刘悦婷，李晓霞，李思璇，朱旭博

（兰州文理学院传媒工程学院，甘肃 兰州 730000）

分类是对输入训练样本分析、学习后得到决策模型，然后预测未知样本，它已成为机器学习领域的重要研究方向。目前，已有众多经典算法可以实现平衡数据的良好分类效果，如支持向量机法、模糊分类算法、代价敏感学习法和决策树算法等[1]。但是，现实中许多应用领域存在明显的不均衡数据，如网络入侵、商业欺诈、文本分类等数据集[2-3]，人们很重视少数类的信息。在分类判决时，传统分类器总会偏向多数类，把少数类分到多数类，导致错分率很高，分类器性能不理想[4]。因此，如何提高不平衡数据的分类性能已成为众多学者研究的热点[5]。

目前，不平衡数据分类的方法主要从数据层面和算法层面实现。数据层面完成数据预处理，包括欠采样、过采样和混合采样。欠采样是通过减少多数类样本使数据集均衡，可能造成信息丢失，降低分类器的性能[6-7]。过采样是通过复制、插值增加少数类样本使数据集均衡，但会造成过拟合，增加分类器的空间和时间消耗[8-9]。混合采样是将欠采样和过采样有效结合从而平衡数据集的分布。

算法层面是对分类算法本身进行操作，包括对传统算法的改进、众多算法的集成等。改进算法主要通过调整分类边界、改变概率密度等措施修改算法在数据集上的偏置，使得决策面偏向于少数类，提高少数类的分类性能[10]。Wang Chinheng等[11]提出先由 SVM（Support Vector Machines）确定近邻数目，再由 KNN（K-Nearest Neighbors）算法完成分类；……