基于代价敏感神经网络集成模型的类别不平衡问题研究

作者：张俊杰; 曹丽

来源：合肥工业大学学报(自然科学版), 2023, 46(11): 1573-1579.

DOI：10.3969/j.issn.1003-5060.2023.11.021

• 类别不平衡
• 随机下采样
• 代价敏感神经网络(CSNN)
• 集成模型
• Friedman检验

在解决类别不平衡问题的过程中，传统分类模型往往偏向对大类别样本的学习，影响模型分类效果。基于此，文章从数据采样、模型选择2方面入手，给出代价敏感神经网络集成（cost-sensitive neural network ensemble, CSNN＿Ensemble）模型。首先通过随机下采样，得到多组训练数据集；其次对每组训练数据集训练BP神经网络，并结合代价矩阵构造多个代价敏感神经网络；最后以代价敏感神经网络为基学习器构造并行集成模型，并以投票的方式进行最终决策。实验结果表明，该模型在F1值、AUC值和期望总体代价3种性能方面表现优越，并具有一定的鲁棒性。

• 单位
  合肥工业大学; 数学学院