融合过抽样和欠抽样的不平衡数据重抽样方法

作者：吴磊; 房斌; 刁丽萍; 陈静; 谢娜娜

来源：计算机工程与应用, 2013, (21): 172-176+185.

• 不平衡数据
• 重抽样
• 基于聚类的过抽样算法(CBOS)
• 基于边界值的虚拟少数类向上采样算法(BSM)
• 可选择最近邻算法(ENN)
• Tomek links
• 预处理 imbalanced datasets
• resampling
• Cluster-Based Oversampling(CBOS)
• Borderline Synthetic Minority Over-sampling Technique(BSM)
• Edited Nearest Neighbo(rENN)
• Tomek links
• preprocess

在机器学习领域的研究当中,分类器的性能会受到许多方面的影响,其中训练数据的不平衡对分类器的影响尤为严重。训练数据的不平衡也就是指在提供的训练数据集中,一类的样本总数远多于另一类的样本总数。常用的不平衡数据的处理方法有很多,只探讨利用重抽样方法对不平衡数据进行预处理来提高分类效果的方法。数据抽样算法有很多,但可以归为两大类:过抽样和欠抽样。针对二分类问题提出了四种融合过抽样和欠抽样算法的重抽样方法:BSM+Tomek、BSM+ENN、CBOS+Tomek和CBOS+ENN,并且与另外十种经典的重抽样算法做了大量的对比实验,实验证明提出的四种预处理算法在多种评价指标下提高了不平衡数据的分类效果。

• 单位
  新桥医院; 重庆大学