基于聚类过采样与实例硬度阈值的数据重采样方法

摘要

本发明提供了一种基于聚类过采样与实例硬度阈值的数据重采样方法。首先，利用K‑means方法对数据集进行聚类处理，并对聚类进行过滤处理和采样权重分配；接着，采用SMOTE算法对数据集进行过采样，生成新的数据使数据集中少数类与多数类样本数量相等，数据集变为类平衡；最后，采用实例硬度阈值算法对数据进行清理，得到最终平衡且噪点较少的数据集。本发明可以将类不平衡数据集处理为平衡数据集，提高分类器对少数类样本的预测性能。