不平衡样本集分类算法研究

摘要

支持向量机在处理不平衡数据集时,对少类样本的分类效果很不理想.传统的处理方法尽管能够提高少类样本的分类准确率,但多类样本的分类准确率却大幅度下降.综合考虑样本间的相对距离和密集程度,提出了一种欠采样方法.基于UCI标准数据集的仿真实验结果表明,提出的算法不仅可以提高少类样本的分类准确率,而且将多类样本的分类准确率的损失降到最低.