基于SMOTE不平衡扩充采样算法的改进_宣晶雪.pdf
《基于SMOTE不平衡扩充采样算法的改进_宣晶雪.pdf》由会员分享,可在线阅读,更多相关《基于SMOTE不平衡扩充采样算法的改进_宣晶雪.pdf(3页珍藏版)》请在咨信网上搜索。
1、:基于 不平衡扩充采样算法的改进宣晶雪 张 权 李晓红 王书宜齐齐哈尔大学理学院 黑龙江齐齐哈尔 摘 要:针对不平衡数据集少类样本分类精度低的现象,本文提出了一种新的不平衡数据扩充采样算法。改进算法通过距离度量,在少类样本中心与其近邻间进行随机线性插值,使数据平衡。改进算法与 算法、算法分别对 个不平衡数据集进行扩充分类对比实验,基于、值与 值评价指标及成对样本 检验,证明改进算法能有效缓解类不平衡,并具有更优异的不平衡数据处理性能。关键词:不平衡数据;算法;安全点;噪声点;随机森林算法 随着人工智能领域的飞速发展,基于大数据的分类研究被认为是可期待的新技术。由于采样环境差异,大数据通常存在类
2、不平衡。类不平衡问题会产生许多标准学习算法分类性能的严重障碍。分类器进行训练时,往往更易学习多类(负类)样本的特性,从而引起少类(正类)样本被误分,导致严重后果。例如,医学研究的分类问题中,如若有正常样本 个,患病样本 个,即使所有的患病样本都被误分,分类模型的准确率仍能达到。但就实际问题而言,误诊会产生严重影响。因此,不平衡数据集的扩充分类显得尤为重要。算法分析 算法是由 提出的不平衡数据扩充的常见算法。其基本原理是在少类样本与其近邻样本间进行随机的线性插值来完成数据扩充,以达到一定的不平衡比率。不平衡比率为样本集合中少类样本数目与多类样本数目的比值。算法的具体步骤为:对任意的一个少类样本(
3、,),计算 与其他少类样本的距离,得到样本的 个近邻。再从 个近邻中任意选取 个近邻样本,记作(,),通过在 与 之间进行随机的线性插值构造新的少类样本。插值公式为:(,)()其中 表示人为构造的少类样本,是区间,上满足均匀分布的随机数。改进算法 改进算法设计首先,算法虽在一定程度上改善了不平衡数据集的分类效果,但其 值需人为确定,具有一定的盲目性。其次,对于边缘点而言,经 算法扩充后的样本点仍可能是边缘点,导致扩充数据边缘化,且易模糊正负类边界。本文提出改进算法,依据一定的划分规则,将少类样本划分为安全点与噪声点,仅在安全点与少类样本中心点(少类样本均值)间以线性插值的方式构造少类样本。使得
4、扩充的少类样本分布在原始少类样本中心点附近,有效避免扩充数据边缘化,且规避 算法中 值选取的不确定性。改进算法流程假设原始数据维度为,为样本总个数,为样本特征总个数。其中少类样本维度为,多类样本维度为()。()归一化预处理。分别对少类、多类样本进行归一化处理,使所有样本取值介于,之间,避免量纲差异产生误差。其中 为已进行归一化预处理后的第 个特征属性下的第 个样本,为原始数据中第 个特征属性下的第 个样本,为样本基于第 个特征属性下的最大值,为样本基于第 个特征属性下的最小值。()计算少类样本中心点。依据下式,取归一化后各特征属性下的均值为少类样本中心点,记作。(,)其中是 为已进行归一化预处
5、理后的第 个特征属性下的第 个样本,为少类样本个数。()划分少类数据为安全点和噪声点。计算少类样本中心 与每个少类样本点 之间的欧氏距离,记作(,)。并计算少类样本中心 与多类样本点间欧氏距离的平均值,记作。若,则第 个少类样本点记为噪声点;若,则第 个少类样本点记为安全点。()数据扩充。在少类样本中心点 与安全点之间通过如下公式进行数据扩充。科技风 年 月科技创新(,)()其中 为新扩充的少类样本,为安全点集合中的少类样本,是区间,上满足均匀分布的随机数。()选取不平衡比率。文献中研究表明不平衡比率为 时,扩充融合数据分类效果最优。故本文当不平衡比率达到 时停止扩充。()更新总数据集。将扩充
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 SMOTE 不平衡 扩充 采样 算法 改进 宣晶雪
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。