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

$ D/ N* H: [& M; Y6 r  r
6 v% }, n/ c. U/ i2 `# S
/ ~) v) c( o: }# D
( A- X# X/ F! Z! [& ~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
% |" y3 L$ n: M5 p+ t5 c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
. P" B5 |. ^" T: c. r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,
& X5 I$ J9 ]5 j; }5 U& y" jGSMOTEBoost). 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
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.
: T- g; q0 M2 F5 }! F
- k  l& t. q1 f- J4 T$ K
+ D3 i( P' F$ y3 B2 ]5 H
: U0 d$ P/ q! M
( ], P# V$ x3 ^" M+ x; u