一种基于SVM的不平衡数据分类方法研究

摘要

类分布不均衡是导致分类算法效果不佳的主要原因之一.为提升不平衡数据分类精度,提出了数据相对平衡转换与SVM集成加权相结合的分类方法.一方面考虑到类间的平衡性,将不平衡数据转化为多个相对平衡数据集;另一方面利用SVM处理二分类的优势,使用SVM作为基分类器并进行集成训练,同时利用代价敏感的训练方式平衡数据之间的类关系.选取48组KEEL官网中的不平衡数据集进行性能评估,结果表明,本方法在不平衡数据上具有良好的分类效果,为不平衡数据分类研究提供了理论参考和实用价值.