机器学习中基于集成特征选择的不平衡数据处理方法

摘要

本发明设计了机器学习中基于集成特征选择的非平衡数据处理方法，采用Bagging方法和合成少数类过采样技术(Synthetic minority pversampling technique，SMOTE)相结合的方法将多数类样本与少数类样本构造为多个袋装子集，然后利用基于相关性度量的特征选择算法对每个袋装子集中筛选出特征子集，设置阈值得到特征合集，最后利用机器学习算法构建分类模型进行分类研究。