科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统方法在不平衡数据分类时易导致生成假样本数量多或数据丢失等问题，提出了一种基于DBSCAN聚类分解和过采样的随机森林不平衡数据分类算法.首先，将基于密度的DBSCAN聚类分解算法应用于不平衡数据集的多数类，在没有数据丢失的情况下降低了多数类样本的优势；其次，通过Borderline-SMOTE算法对少数类进行过采样，增加了少数类样本的数量，从而得到更加平衡的数据集，有效地解决了过采样时生成过多假样本而导致过拟合的问题，同时避免了欠采样方法造成数据丢失的问题；最后，在聚类分解和过采样算法的前提下，验证了随机森林比SVM、Adaboost、Bagging、XGBoost有更好的效果.在KEEL公用数据集上与其他流行算法进行实验比较，结果显示该算法有效地提高了不平衡数据的分类性能.
- 单位
