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

+ V; r6 ?$ x2 \5 p* U* c

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
! n+ ]7 Z$ D/ g4 W; |2 ^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
+ l3 Q9 X8 S0 g$ Q" a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,
+ G- z# w! \# ]. M* h& `9 M) B- a! R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
$ Q  x5 G, O, V, x& k+ `# c# ^$ I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
2 m; n" O- B/ P( ^! N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
GSMOTEBoost 具有显著的优势.

0 j" d) |( U) H! P

/ d8 W3 y6 w- y# M