一种改进SMOTE的AdaSMOTE过采样算法

作者：汤晶晶

来源：数字技术与应用, 2023, 41(01): 13-15.

DOI：10.19695/j.cnki.cn12-1369.2023.01.04

<正>本文从过采样的角度对不平衡数据集进行了优化，从而改善了分类器在少数类样本中的预测准确率。为了量化边界样本学习的难易程度，引入分类硬度来求取边界样本所需要合成的样本数目，以实现更准确的过采样策略。从过采样角度，提出Ada SMOET算法实现边界样本的自适应取样，克服了原始的SMOTE算法不能按照样本的重要程度取样的缺点。实验结果表明，提出的Ada SMOET算法优于原SMOTE算法。

• 单位
  东北大学