基于混合采样与特征选择的高维度不平衡数据分类方法

摘要

本发明公开了基于混合采样与特征选择的高维度不平衡数据分类方法，本发明首先通过融合多个过滤器从多角度对信用卡欺诈数据集的特征重要性进行度量和评估并删除无关特征，避免了单一过滤器进行特征选择时效果不佳的问题，再结合SVM‑RFE特征选择算法删除冗余特征，进一步寻找最优特征子集，有效提高分类结果的精度；然后对数据集进行混合采样以平衡数据集，最后利用Stacking策略融合多个基分类器，实现了数据精准分类。本发明有效提高了高维度不平衡数据分类精度和可靠性。