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

8 Y4 |7 S' |! F* Y
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
5 I% @, H8 T) f, w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
6 w/ l/ H$ H$ I$ C. q; q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,
  n- P( D4 f; N% K- a! q; iGSMOTEBoost). 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,
# Y  M8 d- m+ z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
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
6 X  y6 a# V5 V; e9 \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
6 s1 L. p# K7 e& c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
$ d& s) X1 t3 ?. }- \6 e% LGSMOTEBoost 具有显著的优势.



* {& q3 S7 [# C4 V7 z$ u
# x  n9 G! k$ _/ K" X, J! B