郭亚伟,白治江

(上海海事大学 信息工程学院,上海 201306)



基于混合重采样的非平衡数据SVM训练方法

郭亚伟,白治江

(上海海事大学 信息工程学院,上海 201306)

摘要：针对传统的SVM算法在非平衡数据分类中分类效果不理想的问题，提出一种基于分类超平面和SMOTE过采样方法(HB_SMOTE)。该方法首先对原始训练样本集使用WSVM算法找到分类超平面，然后按一定标准剔除负类中被错分的样本、靠近分类超平面的样本以及远离分类超平面的样本。在UCI数据集上的实验结果表明：与RU_SMOTE等重采样方法相比，HB_SMOTE方法对正类样本和负类样本都具有较高的分类准确率。

关键词：非平衡数据集；SMOTE；分类超平面；SVM；混合重采样

引用格式：郭亚伟,白治江. 基于混合重采样的非平衡数据SVM训练方法[J].微型机与应用，2016,35(12)：52-54，58.

0引言

支持向量机(SVM)[1]因其能够有效地避免维数灾难，实现全局最优，具有严谨的理论基础和良好的泛化能力，现已成为机器学习领域的热点问题。传统的SVM方法需要其各类样本集的规模相同。然而在现实生活中，往往会遇到一些非平衡数据分类问题，如入侵检测、文本分类、医疗诊断等。使用这些数据对SVM方法进行训练建模时，分类决策面会向少数类偏移，导致少数类的分类准确率降低。国内外学者针对此类问题进行了深入的研究，提出了许多不同的处理方案。

目前，针对非平衡数据下SVM分类问题的研究主要集中在算法层面和数据重采样两个方面。算法层面主要是代价敏感性方法。这种方法虽然增加了少数(正)类的分类准确率，但却牺牲了多数(负)类的分类准确率，总的分类效果也受到了极大的影响[2]。……