基于自适应k均值聚类的距离加权欠采样算法

作者：周倩; 姚震^*; 孙博

来源：数据分析与知识发现, 2022, 6(05): 127-136.

• 类不平衡
• 聚类
• 距离加权
• 欠采样

【目的】消除分类问题中类不平衡数据对分类精度的影响。【方法】首先，使用自适应k均值聚类算法对多数类数据集进行聚类，找到并删除离群点；其次，计算数据与聚类中心加权距离并排序，根据簇密度对多数类数据顺序采样；最后，将采样得到的数据与少数类数据集合并，输入分类算法进行训练。【结果】实验结果表明，在25组不平衡数据集上算法最大AUC平均值达到0.912，相比较于其他方法最少提升了0.014，平均运行时间仅为1.377 s；应用在两组不平衡大数据集上，算法也有很好的表现。【局限】不适合多分类问题，仅适合解决二分类问题。【结论】算法能够找到最适k值，检测并删除离群点，解决类不平衡问题，提高分类精度。算法速度快，开销小，适合不平衡大数据集的应用。

• 单位
  山东农业大学