一种基于高斯过采样的集成学习算法

作者：张忠良; 陈愉予; 唐佳怡; 雒兴刚

来源：系统工程理论与实践, 2020, 1-12.

• 不均衡数据
• 分类算法
• SMOTE
• 集成学习
• 数据挖掘 imbalanced data
• classification algorithm
• ensemble learning
• data mining

在数据挖掘研究领域， 分类任务广泛存在着数据分布不均衡问题， 例如制造状态检测， 医疗诊断， 金融服务， 等等. SMOTE是处理不均衡数据分类问题的常用技术， 与Boosting算法相结合可进一步提升分类系统性能， 但是这种集成学习容易导致基分类器多样性缺失. 基于此， 本文提出了一种基于高斯过程SMOTE过采样的Boosting集成学习算法， 即(Gaussian-based SMOTE in Boosting， GSMOTEBoost). 该算法在Boosting集成框架下构建不均衡学习模型， 为了提高分类系统的鲁棒性， 采用基于高斯过程SMOTE过采样技术来增加基分类器训练样本的多样性...

• 单位
  杭州电子科技大学; 上海交通大学; 经济管理学院