处理不平衡样本集的欠采样算法

摘要

支持向量机(SVM)在处理不平衡样本集时,对少类样本的分类效果很不理想.为提高支持向量机在处理不平衡问题上的分类效果,提出了一种核函数选取与欠采样相结合的算法,在提高少类样本准确率的前提下,将多类样本的分类准确率的损失降到最低.该方法首先基于特征空间的可分性选择最佳核函数,然后根据特征距离进行欠采样.基于UCI标准样本集的仿真实验结果表明了该算法是合理有效的.