一种基于特征选择的不平衡数据分类算法

• 作者: 吴哲夫 张彤 王中友 肖鹰
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 机器学习 特征选择 不平衡提升算法 分类预测
• 年，卷（期）: 2016,（1）
• 页码范围: 68-74
• 页数: 7页
• 分类号: TP18
• 字数: 4282字
• 语种: 中文

摘要

不平衡数据分类是当前机器学习的研究热点,传统分类算法通常基于数据集平衡状态的前提,不能直接应用于不平衡数据的分类学习.针对不平衡数据分类问题,文章提出一种基于特征选择的改进不平衡分类提升算法,从数据集的不同类型属性来权衡对少数类样本的重要性,筛选出对有效预测分类出少数类样本更意义的属性,同时也起到了约减数据维度的目的.然后结合不平衡分类算法使数据达到平衡状态,最后针对原始算法错分样本权值增长过快问题提出新的改进方案,有效抑制权值的增长速度.实验结果表明,该算法能有效提高不平衡数据的分类性能,尤其是少数类的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴哲夫	浙江工业大学信息学院	35	172	7.0	11.0
2	王中友		14	35	4.0	5.0
3	张彤	浙江工业大学信息学院	19	81	5.0	7.0
4	肖鹰	浙江工业大学信息学院	4	31	2.0	4.0