换一批摘要如何获得更加精确的分类效果一直是机器学习领域的重要研究内容,现有大多数分类器都是针对平衡的数据集来设计的.虽然平衡的数据训练出来的分类模型能取得较好的正负样本分类正确率,但现实生活中的数据往往是不平衡的,不平衡的数据使得正样本分类正确率急剧下降,不能满足机器学习对分类效果的要求.针对这种情况,综述了当前主流不平衡分类的数据采样方法.首先,阐述了欠采样方法,包括基于聚类和基于整合的欠采样方法;其次,对过采样方法进行了总结,包括基于k近邻、基于聚类、基于半监督、基于深度神经网络和基于进化算法的过采样方法;再次,对混合采样方法进行了总结;最后,总结了不平衡分类问题研究的发展趋势.
更多相关知识
分类号
TP311
栏目名称
DOI
10.3969/j.issn.1674-8425(z).2019.07.014
发布时间
2019-08-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61772091）
国家自然科学基金（61802035）
国家自然科学基金（61702058）
广西自然科学基金（2018GXNSFDA138005）
四川省科技计划（2018JY0448）
四川省高等学校科研创新团队建设项目（18TD0027）
成都市软科学研究计划（2017-RK00-00053-ZF）
成都信息工程大学中青年学术带头人科研项目（J201701）
成都信息工程大学科研项目（KYTZ201715）
成都信息工程大学科研项目（KYTZ201750）
- 浏览0
- 被引125
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
