SMOTE不平衡數(shù)據(jù)過采樣算法的改進(jìn)與應(yīng)用.pdf

1、不平衡數(shù)據(jù)集指的是數(shù)據(jù)集內(nèi)各類樣本點(diǎn)數(shù)目相差較大的數(shù)據(jù)集。使用傳統(tǒng)的數(shù)據(jù)挖掘算法處理不平衡數(shù)據(jù)集存在著準(zhǔn)確率低下、分類效果不佳的問題。SMOTE算法對(duì)不平衡數(shù)據(jù)集進(jìn)行預(yù)處理，也存在采樣有效性不足、模糊正負(fù)類邊界、影響原始數(shù)據(jù)分布的缺陷。本文針對(duì)傳統(tǒng)的SMOTE算法存在的問題，對(duì)其進(jìn)行改進(jìn)，開展了以下研究工作:
　　(1)研究SMOTE算法的優(yōu)化策略，提出基于K-means聚類的SMOTE算法(KM-SMOTE)。該算法對(duì)少數(shù)類數(shù)據(jù)

2、集進(jìn)行數(shù)據(jù)預(yù)處理，以簇心與聚類數(shù)據(jù)點(diǎn)為基準(zhǔn)，用改進(jìn)的KM-SMOTE采樣公式替代SMOTE算法的采樣公式，將新增加的樣本數(shù)據(jù)控制在少數(shù)類區(qū)間，以此來解決SMOTE算法存在的無法體現(xiàn)不平衡數(shù)據(jù)集的均勻分布以及模糊正負(fù)類邊界的問題。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的KM-SMOTE算法能夠提升少數(shù)類樣本的分類精度，改進(jìn)效果明顯。
　　(2)為了提升SMOTE算法的抽樣能力，改進(jìn)過擬合問題，提出第二種改進(jìn)的SMOTE算法(RM-SMOTE)。該算法同