不平衡数据的降采样方法研究

• 作者: 李翠华 林琛 林舒杨 江弋 邹权
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 类别不平衡 聚类 降采样 分类 机器学习
• 年，卷（期）: 2011,（z2）
• 所属期刊栏目: 数据挖掘和知识发现
• 页码范围: 425-431
• 分类号: TP18
• 字数: 4395字
• 语种: 中文

摘要

提出了一种处理不平衡数据的降采样方法,以解决机器学习中分类器在训练时因为样本集中的样本类别不平衡而导致过拟合造成分类器性能下降的问题.利用K-Means方法,对大类样本进行聚类并提取聚类中心,获得与较小样本集样本数目近似的样本,组成新的样本集用以训练.为了避免在小类样本数目较小的情况下,单纯使用聚类降采样算法造成训练集样本的过度稀疏,使用SMOTE过采样算法结合聚类降采样,既避免了SMOTE为样本集引入较多的噪声,又有效地解决了训练集样本稀疏的问题.6组UCI测试数据和5组生物信息学实验证明了它在对类别不平衡数据进行降采样上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李翠华	厦门大学计算机科学系	78	1178	20.0	30.0
2	江弋	厦门大学计算机科学系	20	124	5.0	10.0
3	邹权	厦门大学计算机科学系	23	446	9.0	21.0
4	林琛	厦门大学计算机科学系	19	447	7.0	19.0
5	林舒杨	厦门大学计算机科学系	2	46	1.0	2.0