一种改进的SMOTE算法

• 作者: 刘小豫 李红 魏浩
• 来源期刊: 河南科学
• 关键词: 不平衡数据集 少数类样本合成过抽样技术 几何均数 曲线下面积
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 数学与信息科学
• 页码范围: 1009-1013
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1004-3918.2018.07.005

摘要

少数类样本合成过抽样技术(SMOTE)是一种过抽样数据预处理算法,是在两个少数类之间随机插入一个新的少数类样本.为了解决SMOTE算法生成少数样本随机性的局限性,在考虑多数类样本分布会对少数样本的生成产生影响的基础上,提出了改进的SMOTE算法.在WEKA平台上分别使用改进前后的SMOTE算法对选用的UCI数据集进行过抽样数据预处理,并使用朴素贝叶斯、决策树和K邻近分类器对过抽样后的数据集进行分类,选择几何均数(G-mean)和曲线下面积(AUC)两个评价指标,实验显示改进后的SMOTE算法预处理的数据集的分类效果更好,证明改进后的SMOTE算法生成的少数类样本更加合理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红	咸阳师范学院计算机学院	68	203	7.0	10.0
2	刘小豫	咸阳师范学院计算机学院	51	97	5.0	8.0
3	魏浩	咸阳师范学院计算机学院	23	101	6.0	9.0