APP下载

整合DBSCAN和改进SMOTE的过采样算法

2020-09-15冶继民

计算机工程与应用 2020年18期
关键词:定义分类实验

王 亮,冶继民

西安电子科技大学 数学与统计学院,西安 710126

1 引言

不平衡数据集是指数据集中某些类的样本个数明显小于其他类的数据集[1]。在二分类问题中,定义拥有较多样本数量的类别为负类,将样本数量少的类别称为正类[2]。目前,在实际应用中不平衡数据集的分类问题普遍存在,比如:银行欺诈检测[3]、文本分类[4]、医疗诊断[5]以及卫星图像中的溢油识别等[6]。在类不平衡数据集的分类问题中,由于少数类样本的误分代价更大,所以少数类样本比其他类别数据更重要[7]。传统分类算法对不平衡数据集中多数类样本的识别率较高,易忽略少数类样本,从而削弱分类器对少数类数据的预测能力,降低分类器的分类性能[8]。因此,如何有效地解决不平衡数据集的分类问题成为了数据挖掘领域中的重要研究内容。

数据集的不平衡状态可以细分为两种:类间不平衡和类内不平衡[9]。其中类间不平衡是指数据集中各个类别之间样本数量的不平衡,而类内不平衡是指在某一类样本空间内部数据分布密度的不均衡,即形成了多个具有相同类别、不同数据分布的子类[10]。

目前,解决不平衡数据集分类问题的方法主要分为两个方面:算法层面和数据层面[11-12],前者对标准的分类算法进行改进,使分类器适应不平衡数据集下的分类[13];后者则是对数据进行处理,减少数据集的不平衡程度,从而使分类器能够在平衡的数据集上进行学习[14],其中最为常见的方法是数据层面的欠采样和过采样技术[15]。……

登录APP查看全文

猜你喜欢

定义分类实验
记一次有趣的实验
分类算一算
做个怪怪长实验
教你一招:数的分类
NO与NO2相互转化实验的改进
实践十号上的19项实验
成功的定义
修辞学的重大定义
山的定义
教你正确用(十七)