文献类型：期刊文章

作　　者：叶志飞[1] 文益民[2] 吕宝粮[1,3]

机构地区：[1]上海交通大学计算机科学与工程系,上海200240 [2]湖南工业职业技术学院信息工程系,湖南长沙410208 [3]上海交通大学智能计算与智能系统教育部微软重点实验室,上海200240

出　　处：《智能系统学报》

基　　金：国家自然科学基金资助项目(60375022;60473040)

年　　份：2009

卷　　号：4

期　　号：2

起止页码：148-156

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：实际的分类问题往往都是不平衡分类问题,采用传统的分类方法,难以得到满意的分类效果.为此,十多年来,人们相继提出了各种解决方案.对国内外不平衡分类问题的研究做了比较详细地综述,讨论了数据不平衡性引发的问题,介绍了目前几种主要的解决方案.通过仿真实验,比较了具有代表性的重采样法、代价敏感学习、训练集划分以及分类器集成在3个实际的不平衡数据集上的分类性能,发现训练集划分和分类器集成方法能较好地处理不平衡数据集,给出了针对不平衡分类问题的分类器评测指标和将来的工作.

关 键 词：机器学习  不平衡模式分类  重采样 代价敏感学习 训练集划分  分类器集成 分类器性能评测  

分 类 号：TP181]