面向不均衡数据的重采样算法

作者：朱深; 徐华; 成金海

来源：小型微型计算机系统, 2023, 1-8.

DOI：10.20009/j.cnki.21-1106/TP.2021-0501

• 不平衡数据
• 聚类
• 过采样
• 欠采样

针对欠采样可能丢弃过多的有用信息，合成少数类的过抽样技术(Synthetic Minority Over-sampling Technique， SMOTE)可能会引入过多的噪声的问题，提出了SMOTE改进算法。该算法首先使用聚类算法将少数类分为若干个簇，随机选择簇中的若干样本合成中间样本点，再与簇芯合成新的样本点，然后将随机欠采样(Random Under-Sampling， RUS)和SMOTE改进算法结合，提出了RUCSMOTE算法。该算法首先根据当前样本不平衡比率，使用随机欠采样，再使用SMOTE改进算法对少数类进行过采样，最终得到平衡的数据集。通过理论分析可知，RUCSMOTE算法结合两种算法的优点，减少过拟合的风险，同时减少因为欠采样丢失的多数类信息。在20个KEEL不平衡数据集上的实验结果表明，对于不均衡分类，相对于另外7种重采样算法，评价指标AUC与GM普遍提高了2到7个百分点。

• 单位
  江南大学