基于数据层面的不平衡数据集的分类方法

摘要

本文针对提高不均衡数据集中的少数类文本的分类性能这一问题,从数据层面处理的角度对数据进行重抽样。使用随机抽样的方法以提高分类器在不平衡数据集上的泛化能力,笔者提出一种改进的过抽样方法,在少数类中提取该类若干文本中的任意锻炼,再将提取出的段落添加至此类原始文本末尾,产生新的合成少数类样本,提高了小类别文本分类的正确率。