不平衡数据的集成分类算法综述

• 来源期刊: 计算机应用研究
• 关键词: 不平衡数据 集成学习 分类 代价敏感 数据采样
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 综述评论
• 页码范围: 1287-1291
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.05.002

摘要

集成学习是通过集成多个基分类器共同决策的机器学习技术，通过不同的样本集训练有差异的基分类器，得到的集成分类器可以有效地提高学习效果。在基分类器的训练过程中，可以通过代价敏感技术和数据采样实现不平衡数据的处理。由于集成学习在不平衡数据分类的优势，针对不平衡数据的集成分类算法得到广泛研究。详细分析了不平衡数据集成分类算法的研究现状，比较了现有算法的差异和各自存在的优点及问题，提出和分析了有待进一步研究的问题。