文献类型：期刊文章

作　　者：阴爱英[1] 吴运兵[2] 杨晓花[1]

YIN Ai-ying;WU Yun-bing;YANG Xiao-hua(Department of Computer Engineering,Fuzhou University Zhicheng College,Fuzhou 350002,China;College of Mathematics and Computer Science,Fuzhou University,Fuzhou 350116,China)

机构地区：[1]福州大学至诚学院计算机工程系,福建福州350002 [2]福州大学数学与计算机科学学院,福建福州350116

出　　处：《计算机工程与设计》

基　　金：福建省自然科学基金项目(2017J01755);福建省教育厅中青年教师教育科研基金项目(JAT160077;JAT160658)

年　　份：2018

卷　　号：39

期　　号：4

起止页码：1053-1058

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对制造业不平衡数据的预测问题,提出一种基于混合采样的预处理方法。通过结合过采样和欠采样的方法对样本数据进行处理,即适当减少多类样本数据和增加少类样本数据,结合部分机器学习分类器进行分类预测。实验结果表明,利用混合采样后的样本数据,其分类准确率明显优于单独使用过采样的数据及单独使用欠采样的数据,在F_mean值和G_mean值上,混合采样后取得了较高的值。

关 键 词：过采样 欠采样 混合采样 不平衡数据 机器学习  

分 类 号：TP399]