基于聚类的少数类样本采样方法

摘要

针对处理不平衡数据集的分类问题,SMOTE通过在相邻样例间线性插值实现少数类样例过采样.但SMOTE插值的结果是样例密集的地方依然相对密集,样例稀疏的地方依然相对稀疏,影响分类性能.针对该问题本文提出一种基于聚类的过采样方法-C- SMOTE.该方法首先将少数类样例聚成多个簇,再以簇为单位结合SMOTE方法产生新样例.实验结果表明,C - SMOTE既保证了数据集整体分类准确率,又能提高少数类分类精度.