一种基于随机敏感度采样的不平衡数据的集成学习算法

摘要

本发明公开了一种基于随机敏感度采样的不平衡数据的集成学习算法，包括步骤：1)数据集的准备和初始化，随机欠采样方式得到数据子集训练第一个子分类器；2)根据上一次得到的子分类器，计算样本的随机敏感度，并根据子分类器测试分类的准确率来调整数据权重；3)通过数据样本的随机敏感度值和数据的本身权重值，进行带权重随机采样，得到新的数据子集，来训练下一个子分类器，如此迭代，将得到的若干个子分类器及其权值进行集成，得到最终的分类器模型。本发明算法具有高效性和鲁棒性的特点，能够根据不同形式的数据分布来训练子分类器，数据采样关注了数据本身和前后两个子分类器之间的互补，所以能够取得优秀的分类性能。