基于BL-SMOTE和随机森林的不平衡数据分类

• 作者: 张宸宁 李国成
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 本福德法则 SMOTE算法 随机森林 不平衡数据
• 年，卷（期）: 2019,（2）
• 页码范围: 23-28
• 页数: 6页
• 分类号: TP3
• 字数: 4890字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.02.006

摘要

不平衡数据在信用评估、财务造假、医疗诊断等现实应用中广泛存在.在众多处理不平衡数据的算法中,SMOTE算法(synthetic minority over-sampling technique)应用最为广泛.为解决SMOTE算法在生成数据时会弱化数据的真实分布,同时考虑到本福特法则(Benford's Law)在处理自然数据中可以弥补数据弱化这一特点,将SMOTE算法与Benford's Law相结合,提出一种新的处理类别不平衡数据的算法(BL-SMOTE算法),以提高数据分布真实性和准确性.实验结果表明,BL-SMOTE算法分类效果优于SMOTE算法.同时,相比于逻辑回归、决策树、梯度提升树等,随机森林的效果更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国成	北京信息科技大学理学院	17	4	1.0	2.0
2	张宸宁	北京信息科技大学理学院	4	0	0.0	0.0