改进的随机平衡采样Bagging算法的网络贷款研究

• 作者: 吴广潮 郭冰楠
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 类别不平衡 随机平衡采样 Bagging集成
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 11-16
• 页数: 6页
• 分类号: TP391
• 字数: 4804字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.04.003

摘要

互联网金融中的网络贷款用户数据具有类别不平衡的特性,严重影响传统分类器的性能.随机平衡采样算法在对原始数据集进行重采样的过程中,将所有样本同等考虑,本文在平衡采样的过程中充分考虑样本点的性能,将其分为3类样本:安全的、边界的、噪声的,针对不同类型的样本采用相应的采样方法,得到平衡的新数据集,然后对该数据集进行Bagging集成,提高算法的泛化性能,结果表明本文改进的随机平衡采样(Improved Random Balanced Sampling,IRBS)Bag-ging算法可以较好地对网络贷款用户进行分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴广潮	华南理工大学数学学院	20	192	7.0	13.0
2	郭冰楠	华南理工大学数学学院	2	4	1.0	2.0