基于多置信度的不平衡数据分类算法

摘要

传统的分类算法通常设置统一的最小置信度提取规则．如果训练数据集是不平衡的数据，统一置信度的分类算法在小类的准确率不高．本文提出了一种基于训练集类分布的多置信度不平衡数据分类算法CBMI．在CBMI算法中，根据训练数据中类的分布设置不同的最小置信度提取规则，小类置信度的临界值比大类置信度低．此外，算法CBMI综合三种度量选择“好”的属性值．实验结果表明，基于多置信度不平衡数据分类算法CB—MI提高了小类数据分类的正确率．