科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】针对数据不平衡导致的分类器偏向问题，提出一种基于K-最近邻（KNN）算法和深度高斯混合模型（DGMM）的边界过采样方法。【方法】首先，采用KNN算法获得训练集中的边界少数类样本；其次，构建该区域少数类样本的DGMM，并反向应用DGMM生成符合训练集中边界少数类样本分布特征的过采样数据；最后，采用3σ准则剔除噪声样本，循环执行直到生成的样本不存在异常值。【结果】所提方法获得的AUC和G均值的最大提升幅度分别为8.62%和12.99%，对应的平均提升幅度分别为3.51%和4.93%。【局限】DGMM的参数优化方法需进一步完善。【结论】所提方法可以更好地处理数据不平衡问题。
- 单位
