合成少数类过采样过滤器方法在二手车推荐中的应用

• 作者: 邱海波 钱忠民 钱默抒
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 二手车推荐 分类 非平衡数据 过采样 支持向量机
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 应用与开发
• 页码范围: 118-123
• 页数: 6页
• 分类号: TP391
• 字数: 5119字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.07.025

摘要

由于二手车推荐的数据集具有非平衡特性，因此，二手车推荐可视为非平衡分类问题，可借助解决非平衡分类问题的方法来实现二手车推荐。本文对非平衡数据分类的数据集重构进行研究，通过分析合成少数类过采样方法（ Synthetic Minority Over-sampling Technique ， SMOTE）的特点与不足，提出合成少数类过采样过滤器方法（ Synthetic Minority Over-sampling Technique Filter ， SmoteFilter ），对SMOTE方法合成样本进行过滤，减少合成样本中的噪声数据，提高训练样本“质量”。使用支持向量机对SMOTE合成的数据和SmoteFilter合成的数据进行实验对比，结果表明SmoteFilter方法相较传统的SMOTE过采样方法，提高了二手车推荐中少数类的预测精度，提升了对二手车推荐的整体预测性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱默抒	南京航空航天大学无人机研究院	12	53	5.0	5.0
2	钱忠民	南京航空航天大学计算机科学与技术学院	4	14	2.0	3.0
3	邱海波	南京航空航天大学计算机科学与技术学院	1	2	1.0	1.0