基于均衡采樣方法的數(shù)據(jù)不平衡問(wèn)題研究.pdf

1、本文針對(duì)機(jī)器學(xué)習(xí)中的數(shù)據(jù)不平衡問(wèn)題進(jìn)行研究，提出了一種均衡采樣的方法。該方法采取過(guò)采樣和欠采樣相結(jié)合的策略，使少數(shù)類(lèi)數(shù)據(jù)增加的同時(shí)，多數(shù)類(lèi)數(shù)據(jù)集相應(yīng)地減少，當(dāng)數(shù)據(jù)集相對(duì)平衡后再進(jìn)行分類(lèi)器訓(xùn)練，同時(shí)本文還利用了集成學(xué)習(xí)的思想對(duì)數(shù)據(jù)集多次采樣并訓(xùn)練，得到多個(gè)弱分類(lèi)器后使用投票方式進(jìn)行集成，最終獲得能有效解決數(shù)據(jù)不平衡問(wèn)題的強(qiáng)分類(lèi)器。
　　實(shí)驗(yàn)數(shù)據(jù)選取University of California, Irvine(UCI)提供的aba

2、lone、balance、mf-kar、mf-morph、mf-zernike、wpbc、haberman、car、pima、ionosphere和wdbc數(shù)據(jù)集，以及革蘭氏陰性菌、革蘭氏陽(yáng)性菌和病毒三個(gè)蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)數(shù)據(jù)集。采用針對(duì)不平衡分類(lèi)問(wèn)題的評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。在UCI上的實(shí)驗(yàn)結(jié)果表明了本文算法在不平衡問(wèn)題中的有效性和適用性。
　　此外，在蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)中，我們將蛋白質(zhì)序列轉(zhuǎn)化為數(shù)值特征向量，然后使用文