石 莉，李 敏，孙慧慧

淮北师范大学计算机科学与技术学院，安徽淮北，235000

一种基于类别分布的增量特征选择算法

石 莉，李 敏，孙慧慧

淮北师范大学计算机科学与技术学院，安徽淮北，235000

样本数量分布不平衡时，特征的分布同样会不平衡。大类别中经常出现的特征，在小类别中很少出现或者根本不出现，使得分类器被大类别所淹没，小类别的识别率很低。为此，根据数据的类别分布提出一种基于差异系数的增量特征选择算法CVIFS(Coefficient Variance-based Incremental Feature Selection)，选取最具有区分能力的特征，提高小类别的识别率，使用区间估计检测概念漂移。经实验验证，该算法处理偏斜数据流时优于信息增益，具有较低的均衡误差率(Balanced Error Rate BER)。

概念漂移；偏斜分布；差异系数；信息增益

数据流中的概念漂移以及偏斜分布，使其样本无法准确反映整个空间的数据分布，分类器容易被大类别淹没而忽略小类。针对偏斜分布，目前主要采取抽样、单类别学习和特征选择的方法来处理[1]。数据的高维性会使偏斜分布问题更为严重，因此特征选择相对分类算法更重要[2]。

根据不平衡分类问题的特点，选择对小类别有较好指示作用的特征是提高小类别分类性能的关键，所以选择有丰富类别信息的特征是解决非均衡问题的一条有效的途径。本文提出一种不依赖于其他方法的特征选择方法，称为基于差异系数的增量特征选择算法(CVIFS)。该方法根据特征的类别分布，选择在类间分布差异较大的特征，并结合增量学习来处理概念漂移问题。……