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

* W' c( ~: X1 p

  }0 d" o, o; U' s3 q4 N6 c( o
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
/ x: h1 r. V0 r9 b4 u4 k; a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
! W# p- x* J7 U2 F) a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
! O8 S- P2 u+ T, G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,
/ m1 E9 t* N# E# n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
  W# _4 ?# [) [* D7 p' }, C' e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
* _$ X& f- o/ E! J$ `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
4 Z) B3 ^% [% ~+ u- ]$ Z+ DGSMOTEBoost 具有显著的优势.

7 W) z# k( [2 @. Z8 ~
# W1 Y8 x( l! e+ q

8 G+ p5 p# t' V0 ~' W