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

$ e( W* [( B+ s& x1 Y( U& f! q


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
& b4 R9 |5 }/ C6 N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,
2 }5 _) Y$ W8 C5 O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
, p9 D! Q0 L8 m2 a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
" a5 K/ E4 M5 v! @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
2 T' H5 N  S: I" JGSMOTEBoost 具有显著的优势.
2 G/ v, z2 k7 V0 h2 o
9 t6 D. K4 Y0 n: e- a


2 J; {( e6 D% L, t8 D8 x$ X