基于SMOTE采样和支持向量机的不平衡数据分类

• 作者: 曹路 王鹏
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 不平衡数据 支持向量机 SMOTE ROC曲线
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 信息工程
• 页码范围: 27-31
• 页数: 5页
• 分类号: TP273
• 字数: 2294字
• 语种: 中文

摘要

不平衡数据集广泛存在，对其的有效识别往往是分类的重点，但传统的支持向量机在不平衡数据集上的分类效果不佳。本文提出将数据采样方法与SVM结合，先对原始数据中的少类样本进行SMOTE采样，再使用SVM进行分类。人工数据集和UCI数据集的实验均表明，使用SMOTE采样以后，SVM的分类性能得到了提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏	五邑大学信息工程学院	8	7	2.0	2.0
2	曹路	五邑大学信息工程学院	14	40	3.0	5.0