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

- ]" L( w  V. a5 s  ^+ [


9 |' s1 G, }7 |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
% u8 `1 G, J* r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
) S. v) A. }0 i0 k' O6 l: s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
% B" a/ p; e( T6 Q8 _# 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,
+ `2 b. B- k& y; O7 p/ YGSMOTEBoost). 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,
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
0 A" {$ |+ t$ M3 u1 z) J4 S8 v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
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.
: f" v* }: |+ c# t& w/ w) i+ f0 h, I) u

; R: ^/ M3 U6 T' m3 W" }0 F
& T: A& c# L4 N& K; Y; `