一种针对非平衡数据的随机森林抽样方法及装置

摘要

本发明涉及非平衡数据分类技术领域，特别涉及一种针对非平衡数据的随机森林抽样方法及装置。所述方法包括：步骤a：对训练集进行多次聚类，得到多组聚类结果；步骤b：计算所述多组聚类结果中各个聚类簇的信息熵，根据各个聚类簇的信息熵大小，将所述多组聚类结果分成不同的聚类簇组；步骤c：分别从每个聚类簇组中分层抽取一定数量的样本，得到类别均衡的随机森林训练数据子集。本发明通过多次聚类以及对聚类结果进行分组，可以很好地获取类别内部子类的结构特征，提升分类的精度；并根据每个样本被抽取的频率来调整其在后续抽样时的抽取概率，提升非平衡数据的分类性能。