面向非平衡類數(shù)據(jù)的分類器性能比較研究與方法改進.pdf

1、類分布不均衡數(shù)據(jù)廣泛存在于現(xiàn)實世界中。在某些領域，少數(shù)類樣本被正確分類的重要性遠遠高于多數(shù)類。然而，大多數(shù)經(jīng)典分類算法均假設樣本的先驗概率分布平衡或者錯分類的代價相等。在處理非均衡分布數(shù)據(jù)時，少數(shù)類樣本的信息經(jīng)常被多數(shù)類樣本的信息掩蓋，致使少數(shù)類樣本的分類錯誤率遠遠高于多數(shù)類樣本。因此，非平衡類數(shù)據(jù)分類問題的研究受到越來越多的關注。
　　由于非平衡數(shù)據(jù)集中樣本數(shù)量上的嚴重傾斜或者分布不均衡，傳統(tǒng)的分類算法直接處理非平衡類數(shù)據(jù)集時，

2、會造成少數(shù)類樣本分類精度較差。因此，在數(shù)據(jù)層面采用混合抽樣方法改變類分布情況和在算法層面提出一種改進的基于混合遺傳算法的選擇性集成算法提高分類性能，不僅能使分類性能得到改進，而且能使少數(shù)類的分類精度得到提升。主要研究工作和成果包括:
　　(1)選擇基分類器。在WEKA平臺上，對比分析C4.5決策樹、BP神經(jīng)網(wǎng)絡、樸素貝葉斯和支持向量機四種分類器在平衡數(shù)據(jù)集和非平衡數(shù)據(jù)集的分類性能和穩(wěn)定性。
　　(2)選擇性集成對平衡和非平衡

3、數(shù)據(jù)集的影響。借助WEKA平臺，對比分析單一分類器和集成分類器在所有數(shù)據(jù)集上的分類精度，尋找集成學習中具有較大提升空間的基分類器組合;通過非平衡數(shù)據(jù)集在選擇性集成和非選擇性集成實驗下的分類性能的差異，驗證選擇性集成的可行性;通過在平衡與非平衡數(shù)據(jù)集上的集成分類性能不同，證明非平衡數(shù)據(jù)集需進行數(shù)據(jù)層面的改動。
　　(3)提出了一種基于非平衡數(shù)據(jù)分類問題的綜合集成方法。針對類別非平衡數(shù)據(jù)的分布特點，采用上抽樣SMOTE和下抽樣Boot