一种基于高斯过采样的集成学习算法

杨利霞

一种基于高斯过采样的集成学习算法

( ?1 ?- C, n& N  z5 \0 B
  Q7 i4 W1 q6 A在数据挖掘研究领域, 分类任务广泛存在着数据分布不均衡问题, 例如制造状态检测, 医疗
诊断, 金融服务, 等等. SMOTE 是处理不均衡数据分类问题的常用技术, 与 Boosting 算法相结合可
进一步提升分类系统性能, 但是这种集成学习容易导致基分类器多样性缺失. 基于此, 本文提出了
' }" q7 G( w, X* ~& i( e3 P一种基于高斯过程 SMOTE过采样的 Boosting集成学习算法, 即(Gaussian-based SMOTE in Boosting,
GSMOTEBoost). 该算法在 Boosting 集成框架下构建不均衡学习模型, 为了提高分类系统的鲁棒性,
; [1 Q( }% O/ g" o$ e  B# f  j; @1 C采用基于高斯过程 SMOTE 过采样技术来增加基分类器训练样本的多样性, 从而提高基分类器之
# l( C( ^( V) ^) M# ~1 J* \间的差异. 为了验证算法的有效性, 以常用的处理不均衡分类问题的算法作为对比方法, 采用 KEEL
数据库里的 20 个标准数据集对算法进行测试, 以 G-mean, F-measure 以及 AUC 作为算法的评价指
标, 利用统计检验手段对实验结果进行分析. 实验结果表明, 相对于其他算法, 本文提出的
. y: m; {* R6 hGSMOTEBoost 具有显著的优势.
! a: B) Z+ N- L7 d% w
5 X" `2 j, Y$ ?1 u$ i3 K. \
  i, M) d! @. n0 R
4 \$ K. t; U: P9 @9 o5 ~
/ w6 a% `! ?$ I+ w+ f8 O