多類類別不平衡學習研究.pdf

1、類別不平衡問題是指各個類別的樣本數(shù)差異明顯，某些類別樣本數(shù)遠遠小于其他類別，小類別是關(guān)注的重點。但標準分類算法假設所有樣本的重要性相同，以最大化正確率為目標，往往忽略小類樣本。以往的大多數(shù)研究針對兩類類別不平衡問題并取得了顯著成果，但現(xiàn)實世界中多類類別不平衡問題普遍存在，與兩類類別不平衡問題相比，數(shù)據(jù)分布更加多樣化，概念復雜度更高，因此面臨更大的挑戰(zhàn)。目前，多類類別不平衡學習正在成為領(lǐng)域的研究熱點。
　　本文針對多類類別不平衡問題

2、進行研究，主要取得了以下成果:
　　(1)分析了多類類別不平衡問題的困難，討論了多類類別不平衡學習的性能評價準則，研究發(fā)現(xiàn)Macro-averaged F-measure值相比于多類的G-mean和MAUC更關(guān)注大類樣本，因此在多類問題中需謹慎使用;對多類類別不平衡學習算法進行了綜述;
　　(2)為了避免隨機下采樣算法忽略潛在有用的大類樣本信息的缺點，提出了基于集成學習的EasyEnsemble.M算法。利用對大類的多次獨立

3、隨機采樣獲取更多的大類信息，并結(jié)合集成學習提高了分類器的性能;
　　(3)在EasyEnsemble.M算法的基礎(chǔ)上，為了更加充分利用大類樣本信息提出了ChunkCombine算法。該算法采用無放回的隨機采樣獲得多個不重復的大類樣本子集，與EasyEnsemble.M算法相比涵蓋了更多的大類信息，而且不同數(shù)據(jù)塊的組合提高了集成學習中的弱分類器的多樣性，進一步提高了泛化性能。
　　本文共五章。第一章介紹本文工作的研究背景，包括