一种面向不平衡金融数据的分类方法

摘要

一种面向不平衡金融数据的分类方法，首先对金融方面数据集进行预处理，包括对数据集进行标准化处理、利用特征选取方法在原始数据集中选出类别区分能力较强的特征，然后结合随机森林算法得到初始分类模型，利用网格搜索结合十折交叉验证来对随机森林算法进行参数寻优；引入了SMOTE过采样技术使分类模型的少数类的分类平面向多数类的空间扩展,有效地避免了随机向上采样的过拟合问题，提出了算法层面和数据层面相结合的分类算法，最终得到一个具有最优评价指标的分类模型。本发明采用了算法层面和数据层面相结合的分类算法，通过与其他算法评价指标的比较，最终得到的模型在对类不平衡的金融数据集进行分类时具有更高的分类精度。