面向高维和不平衡数据分类的集成

摘要

本发明提出面向高维和不平衡数据分类的集成，其特征在于，采用降维和取样的先后顺序，将预处理策略减少为两类；基于实验结论的可重现性原则，选取数据挖掘和机器学习的一些标准数据集作为实验数据；在预处理方法的选择上，增加了封装式(Wrapper)特征选择方法和过取样方法；从属性个数和不平衡程度两方面研究预处理方法对高维不平衡数据分类性能的影响，采用更完备的预处理实验策略，获得了不同的结论：对高维不平衡数据分类前，先减少特征再平衡数据产生的平均AUC性能更优，自动化程度强，采用不同的预处理组合策略来缓和高维和不平衡对分类的影响。