基于KM-SMOTE和随机森林的不平衡数据分类

• 作者: 苏一丹 陈斌 黄山
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: K-means SMOTE算法 随机森林 不平衡数据集
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 17-21
• 页数: 5页
• 分类号: TP301.6
• 字数: 5496字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.09.004

摘要

基于SMOTE算法的随机森林能够很好地处理不平衡数据集的分类，是一种通过对数据进行改造以达到良好分类要求的分类器。但SMOTE算法在处理不平衡数据后，可能会导致不平衡数据集分布的整体变化以及模糊正负类边界。这两个缺陷极易导致平衡后的数据与原始数据集有很大差异，从而使分类结果有提高但仍旧不够理想。K-means算法能够有效地聚类，并达到对数据分布的描述。在此基础上，结合K-means算法与SMOTE算法，利用两者优点，文中提出了一种基于K-means的KM-SMOTE算法，有效地解决了上述两个问题。并用于随机森林分类器进行实验，结果表明，改进后的算法分类效果更加明显。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏一丹	广西大学计算机与电子信息学院	114	849	16.0	23.0
2	陈斌	广西大学计算机与电子信息学院	28	192	9.0	12.0
3	黄山	广西大学计算机与电子信息学院	3	28	2.0	3.0