基于数据密度分布的欠采样方法研究

• 作者: 乔媛媛 宋晨晨 曲朝阳 杨杰明 闫欣
• 来源期刊: 计算机应用研究
• 关键词: 不平衡数据 数据密度 欠采样 分布
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2997-3000
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.10.029

摘要

针对传统欠采样方法对不平衡数据集重采样时容易丢失多数类样本信息的问题，提出一种基于数据密度分布的欠采样方法US-DD。该方法引入数据密度的概念，并以此概念为依据将数据划分为高密度数据簇和低密度数据簇，高密度数据簇数据高度集中，低密度数据簇数据稀疏松散，两种不同数据簇对分类的意义也不同，因此可以针对不同密度的数据簇执行不同的重采样策略，以达到改善数据平衡度的目的。实验通过选取六组UCI数据集，采用C4．5决策树、支持向量机作为分类器，将US-DD与随机欠采样、KNN-NearMiss等方法进行比较，实验结果表明，该方法对不平衡数据分类有较好的效果，能有效提升分类器对少数类的识别性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲朝阳	东北电力大学信息工程学院	104	1025	15.0	26.0
2	杨杰明	东北电力大学信息工程学院	36	145	7.0	10.0
3	闫欣	东北电力大学信息工程学院	1	16	1.0	1.0
4	宋晨晨	东北电力大学信息工程学院	3	25	2.0	3.0
5	乔媛媛	东北电力大学信息工程学院	2	19	2.0	2.0