面向不平衡数据的分类算法

作者：蒋宗礼; 史倩月^*

来源：计算机系统应用, 2019, 28(08): 120-128.

DOI：10.15888/j.cnki.csa.006987

• 不平衡数据
• 分类
• 变分自编码器
• 过采样
• 深度学习

不平衡数据在分类时往往会偏向"多数",传统过采样生成的样本不能较好的表达原始数据集分布特征.改进的变分自编码器结合数据预处理方法,通过少数类样本训练,使用变分自编码器的生成器生成样本,用于以均衡训练数据集,从而解决传统采样导致的不平衡数据引起分类过拟合问题.我们在UCI四个常用的数据集上进行了实验,结果表明该算法在保证准确率的同时提高了Fmeasure和Gmean.

• 单位
  北京工业大学