邓明阳，郭应时，刘 通

(1.长安大学 汽车学院， 西安 710064; 2.长春工业大学人文信息学院 汽车工程学院， 长春 130122;3.重庆交通大学 交通运输学院， 重庆 400074)

数据采样作为机器学习中对数据处理的常用方法，经常用于不平衡数据的重采样过程。在现实生活中，各个领域都会产生诸多不平衡数据集合，如在自动驾驶汽车市场调查中，不同地区、不同车型的样本中都会出现多种类小样本数据；其他行业如一年中天气的统计，工厂产品抽样检测，临床医学数据统计中也会涉及到多种类的不平衡数据。由于小样本数据具有种类多、信息量丰富和价值高等特点，数据采样中不可被舍弃，而现有的主流分类算法无法对不平衡数据进行精确处理。故此，需要重新采样来保留高价值的小样本数据[1]。为保证数据分类的精准性，不平衡样本的重采样既要保持原有各个样本的数据特征，又要保持样本中各个分类数据的平衡性。因此，多种类不平衡数据的采样成为机器学习中诸多学者研究的重点领域。

1 采样算法

目前，对平衡数据采样方法的研究主要以数据过采样、欠采样和混合采样为主，每种方法适用的条件各不相同。1993年，自Anand等[2]发现不平衡数据影响神经网络算法的收敛性以来，针对不平衡数据的采样方法被逐渐完善。1995年，Vapnik[3]首次提出一种机器学习算法，命名为支持向量机算法，不仅代替了之前随机采样分类方法，还解决了不同样本的分类问题。在此基础上，各国学者不断提出各种改进算法。……