数据不平衡分类研究综述
2016-09-24李元菊
现代计算机 2016年4期
李元菊
(四川大学计算机学院,成都 610065)
数据不平衡分类研究综述
李元菊
(四川大学计算机学院,成都610065)
数据不平衡;抽样;代价敏感;集成方法
0 引言
在许多有监督的方法中,不同类别的先验概率有显著的差异,这种问题被称为类别不平衡问题[1-2]。这种问题在很多领域都经常出现,例如电信领域、网络、金融领域、生态学、生物学、医学等。在数据挖掘中,类别不平衡问题被认为是重要的待解决问题[3]。一般来说,少数类称为正类,多数类被称为负类,正类往往是我们研究的重点,当它不能很好地分类时往往需要花费较大的代价。
不平衡数据集的一个关键问题是标准的分类学习算法经常偏置向多数类。因此,对于少数类的样例来说有很高的误分类比率,为了解决这个问题专家们提出了很多办法。有数据层面的方法,也有算法层面的方法。主要分为三种:数据抽样,算法层面,代价敏感学习。
1 分类中的不平衡问题
1.1不平衡数据冀问题
在分类中,不平衡数据分类经常出现。这种分类问题的主要特点是某一种类别的样本数目明显多于其他类别样本数量[4]。然而少数类往往是我们重点学习的东西,在大多数情况下,不平衡数据分类通常指二分类,但是多分类也会出现这种情况,因为多分类会有多个少数类所以这种情况研究更困难[5-6]。
绝大多数标准学习算法针对的是平衡训练集,用这种学习算法来训练不平衡数据集往往产生的是次优的分类模型,例如这个模型可能覆盖了大多数的多数类样本,然而少数类样本经常被误分类。……
登录APP查看全文
