不平衡数据的下采样方法研究?
周建伟
南京理工大学计算机科学与工程学院 南京 210094
摘要：不平衡数据集会严重影响机器学习中的分类器性能.论文提出了一种基于高斯混合模型的下采样方法.利用高斯混合模型对负类数据进行拟合,根据每个高斯分量上数据的分布情况,即概率区间按比例进行下采样.此方法通过减少多数类样本数目达到了平衡类分布的目的,并且尽可能保持了多数类的数据分布.在6组UCI不平衡数据集上的实验结果表明,论文提出的下采样方法有效地提高了对不平衡数据的分类性能.
关键词：不平衡学习下采样高斯混合模型机器学习
分类号：TP18(自动化基础理论)
资助基金：国家自然科学基金(61772273)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2155-2160 )
英文信息