一种新的集成采样不均衡数据分类方法

摘要

针对不均衡数据分类中正类(少类)分类准确率低的问题,本文提出了一种新的集成采样技术以平衡正负类数据分布,进而提高正类分类准确率.首先采用偏置支持向量机对不均衡训练集进行分类,找出正负类中的支持向量和非支持向量.然后对去噪后的正类支持向量集采用SMOTE过采样,对负类中非支持向量集进行随机欠采样,同时修剪负类中的支持向量集.实验证明,建议的集成采样技术与欠采样、SMOTE过采样、随机过采样等采样方法相比,总体分类准确率仅能反映分类器对所有样本分类的情况，难以体现对正类和负类的分类准确性，因此混合矩阵被提出用于评价不均衡数据。在混合矩阵中，TP是分类正确的正类样本，FP是分类错误的正类样本，FN是分类错误的负类样本，TN是分类正确的负类样本。实验表明gmeans越大，分类器在不均衡数据集上的分类性能越好。