杨思狄，王亚玲

(内蒙古大学满洲里学院，内蒙古 呼伦贝尔 021400)

1 引言

机器学习技术发展迅速，不均衡数据集分类问题已成为机器学习领域的研究热点，不均衡数据集分类问题可完善机器学习体系，具有重要的应用价值[1]。不均衡数据集指数据集内部分类样本明显高于其它类样本，样本较多的类以及样本较少的类分别为多数类与少数类。

文本分类、信息检索在众多实际应用领域中均存在大量不均衡数据集情况。目前，通常采用数据层方法以及算法层方法解决不均衡数据集分类问题[2]，算法层方法是通过调节概率密度、成本函数等方式提升少数类样本分类效果；数据层方法又称为重抽样方法，主要方式是操作训练集，利用完成操作的样本训练分类器，提升少数类样本分类效果[3]。重抽样方法主要包括过抽样以及欠抽样两部分，欠抽样仅可降低训练集的非平衡度，容易出现忽略多数类内有用信息的情况；过抽样可利用已有少数类信息以及复制少数类样本生成人工样本[4，5]，提升少数类样本规模，令少数类样本具有较高的分类效果。除此之外，宋玲玲等人研究改进的XGBoost在不平衡数据处理中的应用[6]；段化娟等人研究一种面向不平衡分类的改进多决策树算法[7]，采用传统方法进行过抽样容易导致过学习情况，识别多数类样本识别率较高，对少数类识别率较低，对于少数类样本的分类精度并不理想。因此，需要采用高效方法优化传统过抽样算法，提升过抽样算法的分类精度。……