毛海涛，郭华平

(信阳师范学院 计算机与信息技术学院，河南 信阳 464000)



稀有类分类问题研究

毛海涛，郭华平*

(信阳师范学院 计算机与信息技术学院，河南 信阳 464000)

摘要：稀有类问题又称为不平衡类问题，可以描述为从一个分布极不平衡的数据集中识别那些所占比例极少却意义显著的少数类实例。识别并正确分类稀有类实例，对现实生活具有重要的意义。本文探讨了稀有类的特征、影响稀有类分类的因素，重点阐述了现行的稀有类分类方法。

关键词：稀有类；分类；分类方法；评价标准

稀有类问题又称为不平衡类问题，可以描述为从一个分布极不平衡的数据集中识别那些所占比例极少却意义显著的少数类实例。在实际应用领域，正确识别并分类稀有类实例往往比正确识别多数类实例如更有意义。例如，医疗诊断过程中，绝大多数检验者为健康人只有少数检验者为癌症患者，显然，如何识别少数癌症患者比正确识别健康人更为重要。

在不平衡数据集中稀有类实例数目所占比例非常稀少，分布不平衡，因此传统的分类算法在分类稀有类时效果不佳。本文从稀有类的特征，影响分类的因素，主要分类方法及评价标准等方面对现阶段业界在稀有类分类问题的研究给予论述。

1稀有类问题的特征

(1)稀有且难区性：在数据集中，目标类样本所占比例非常稀少，分布又不平衡，稀有类实例的识别区分度非常低，难于区分。

(2)广范应用性：稀有类分类问题广泛应用于生活的各个领域，如：疾病诊断、网络安全监测、军事情报分析等。……