一种用于不平衡数据的分类算法

• 作者: 周伟雄 康恒政 杨燕 陈金坦
• 来源期刊: 山东大学学报(工学版)
• 学科: 工学
• 关键词: 不平衡类 AdaBoost算法 分类精度
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 96-101
• 分类号: TP391
• 语种: 中文

摘要

为提高不平衡数据集中少数类的分类性能,本研究提出一种改进的AdaBoost算法(UnAdaBoost算法)来解决数据不平衡问题.该方法首先改进基分类器,使其在损失一定程度的多数类分类性能的情况下提高少数类的分类性能,而多数类分类性能的损失可通过后面的多个分类器集成弥补回来,这样既提高了少数类的分类性能又不会损失多数类的分类精度.本研究把改进的朴素贝叶斯方法作为基分类器,用改进投票权值的AdaBoost算法对基分类器进行融合.实验结果表明,与传统的Adaboost算法相比,该方法可以有效地提高不平衡数据的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨燕	西南交通大学信息科学与技术学院	97	1192	16.0	32.0
2	陈金坦	华中科技大学管理学院	8	18	4.0	4.0
6	康恒政	西南交通大学信息科学与技术学院	1	5	1.0	1.0
7	周伟雄		1	5	1.0	1.0