不平衡数据度量指标优化的提升分类方法

• 作者: 闫建红
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 不平衡数据集 二分类 曲线下面积(AUC) 度量指标优化 Boosting算法
• 年，卷（期）: 2018,（21）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 128-132
• 页数: 5页
• 分类号: TP391
• 字数: 4687字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1707-0314

摘要

为提高不平衡数据的分类性能,提出了基于度量指标优化的不平衡数据Boosting算法.该算法结合不平衡数据分类性能度量标准和Boosting算法,使用不平衡数据分类性能度量指标代替原有误分率指标,分别采用带有权重的正类和负类召回率、F-measure和G-means指标对Boosting算法进行优化,按照不同的度量指标计算Alpha值进行迭代,得到带有加权值的弱学习器组合,最后使用Boosting算法进行优化.经过实验验证,与带有权重的Boosting算法进行比较,该算法对一定数据集的AUC分类性能指标有一定提高,错误率有所下降,对F-measure和G-mean性能指标有一定的改善,说明该算法侧重提高正类分类性能,改善不平衡数据的整体分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫建红	太原师范学院计算机系	22	54	4.0	6.0