论文研究基于BSMOTE和逆转欠抽样的不均衡数据分类算法.pdf

针对传统分类器在数据不均衡的情况下分类效果不理想的缺陷，为提高分类器在不均衡数据集下的分类性能，特别是少数类样本的分类能力，提出了一种基于BSMOTE和逆转欠抽样的不均衡数据分类算法。该算法使用BSMOTE进行过抽样，人工增加少数类样本的数量，然后通过优先去除样本中的冗余和噪声样本，使用逆转欠抽样方法逆转少数类样本和多数类样本的比例。通过多次进行上述抽样形成多个训练集合，使用Bagging方法集成在多个训练集合上获得的分类器来提高有效信息的利用率。实验表明，该算法较几种现有算法不仅能够提高少数类样本的分类性能，而且能够有效提高整体分类准确度。