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

: k& |, C, p7 b


! l$ c9 s% m8 e: ?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
1 P* n4 {# y' Q& a0 O* d% ]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
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 L% \) D% I4 r+ U% f" ]- l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
( I0 x% j/ e5 @& K2 w0 h1 U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
8 c) ], Q4 {$ n! {/ E9 N/ B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
( l' t3 t  A5 k* [/ {0 i. j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
3 E; M3 J& c" q1 f' @$ cGSMOTEBoost 具有显著的优势.
" ^/ B# x" Z" p1 H
2 V% ?* w7 V: @


. e1 x+ Q7 m* G% S" m! X6 y( u