曹路，王鹏



基于SMOTE采样和支持向量机的不平衡数据分类

曹路，王鹏

（五邑大学 信息工程学院，广东 江门 529020）

不平衡数据集广泛存在，对其的有效识别往往是分类的重点，但传统的支持向量机在不平衡数据集上的分类效果不佳. 本文提出将数据采样方法与SVM结合，先对原始数据中的少类样本进行SMOTE采样，再使用SVM进行分类. 人工数据集和UCI数据集的实验均表明，使用SMOTE采样以后，SVM的分类性能得到了提升.

不平衡数据；支持向量机；SMOTE；ROC曲线

现实生活中，不平衡数据集广泛存在，如：癌症诊断、信用卡欺诈等，其中，不平衡数据集中少类样本的识别往往才是分类的重点. 在医疗诊断中，如果把一个病人误诊为正常，可能会造成严重的后果；在信用卡欺诈检测中，如果将欺诈判断为正常事件，可能带来巨大的经济损失. 传统的分类器，如支持向量机（Support Vector Machine，SVM）[1]、决策树、神经网络等均是从优化整个数据集的性能出发而设计的学习机器，对多数样本类有较高的识别率，而对少数类的识别率却很低. 因此，传统的分类方法在处理不平衡数据集时存在弊端.

为了解决不平衡数据的分类问题，研究人员主要从算法层面和数据层面来改善分类性能[2]. 算法层面主要是对现有算法的改进和提升[3-4]，数据层面主要是通过重采样的技术来改善数据集的不平衡率，方法包括下采样和上采样. 下采样技术通过减少多数类样本来提高少数类样本的比例，但易因丢失多数类样本的信……