面向稀有類(lèi)的組合方法和組合選擇方法.pdf

1、稀有類(lèi)分類(lèi)問(wèn)題是數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的一項(xiàng)難點(diǎn)任務(wù)，在典型的二元分類(lèi)問(wèn)題中，稀有類(lèi)（或正類(lèi)）的樣本數(shù)遠(yuǎn)小于多數(shù)類(lèi)（或負(fù)類(lèi)）的樣本數(shù)。傳統(tǒng)的分類(lèi)方法傾向于最小化訓(xùn)練誤差，這導(dǎo)致傳統(tǒng)方法很難擬合稀有類(lèi)樣本集分布特征。解決該問(wèn)題的一種常用方法是構(gòu)建相對(duì)平衡的訓(xùn)練數(shù)據(jù)集，進(jìn)而學(xué)習(xí)準(zhǔn)確的分類(lèi)模型。當(dāng)前的研究（如Easy Ensemble）大多采用基于抽樣技術(shù)構(gòu)建這種平衡的訓(xùn)練集，如SMOTE、過(guò)抽樣技術(shù)、欠抽樣技術(shù)等。
　　 與以上方法相同

2、的是，本文也試圖構(gòu)建相對(duì)平衡的訓(xùn)練數(shù)據(jù)集。但與以上方法不同的是，本文試圖從數(shù)據(jù)劃分的角度出發(fā)、并結(jié)合組合分類(lèi)選擇方法對(duì)稀有類(lèi)問(wèn)題做了深入研究。本文的主要貢獻(xiàn)如下:
　　 (1)提出基于劃分的組合學(xué)習(xí)策略(PBEL)。PBEL使用聚類(lèi)方法把多數(shù)類(lèi)實(shí)例集劃分為多個(gè)簇、關(guān)聯(lián)每個(gè)簇到一個(gè)新的類(lèi)，進(jìn)而構(gòu)造相對(duì)平衡的訓(xùn)練數(shù)據(jù)集合以訓(xùn)練組合分類(lèi)器。在預(yù)測(cè)時(shí)，PBEL使用多數(shù)投票方法預(yù)測(cè)實(shí)例類(lèi)標(biāo)號(hào)、將類(lèi)標(biāo)號(hào)映射到多數(shù)類(lèi)或稀有類(lèi)，以提高組合分類(lèi)器