基于SMOTE的机器学习算法准确度影响研究

• 作者: 沈锐
• 来源期刊: 廊坊师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 样本均衡算法 ROC
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 数学与信息科学
• 页码范围: 27-29
• 页数: 3页
• 分类号: TP301.6
• 字数: 2009字
• 语种: 中文

摘要

随着互联网的发展,大数据时代的到来,各个领域都存储了海量的数据,为机器学习的分析与预测提供了必要条件,但非平衡数据广泛存在于各个领域,例如电话欺诈、网络欺骗、医学诊断等.在机器学习中,一般用预测准确度来评估分类器的好坏,但在样本不均衡且正负比例差异显著时,这种评估方式显然是不合适的.以KNN算法为例,对比它在应用SMOTE样本均衡算法前后的预测准确度的差异,同时用ROC曲线对算法在样本均衡化前后的效果各个维度进行了详细对比,模型预测效果均比之前有了显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈锐		3	1	1.0	1.0