硅谷
硅穀
규곡
SILICON VALLEY
2013年
12期
34-35
,共2页
数据%支持向量机%分类算法
數據%支持嚮量機%分類算法
수거%지지향량궤%분류산법
针对标准支持向量机在处理不平衡数据问题的缺陷，提出一种解决方法，首先采用一种改进上采样方法（Over-sampling）—SMOTE来平衡正负样本的数目，达到缓解两类样本数目悬殊的目的。然后引入差异惩罚思想对两类样本进行不同程度的惩罚。实验表明，本文提出的SDPC-SVM分类算法在处理不平衡数据的分类问题上具有可行性与有效性。
針對標準支持嚮量機在處理不平衡數據問題的缺陷，提齣一種解決方法，首先採用一種改進上採樣方法（Over-sampling）—SMOTE來平衡正負樣本的數目，達到緩解兩類樣本數目懸殊的目的。然後引入差異懲罰思想對兩類樣本進行不同程度的懲罰。實驗錶明，本文提齣的SDPC-SVM分類算法在處理不平衡數據的分類問題上具有可行性與有效性。
침대표준지지향량궤재처리불평형수거문제적결함，제출일충해결방법，수선채용일충개진상채양방법（Over-sampling）—SMOTE래평형정부양본적수목，체도완해량류양본수목현수적목적。연후인입차이징벌사상대량류양본진행불동정도적징벌。실험표명，본문제출적SDPC-SVM분류산법재처리불평형수거적분류문제상구유가행성여유효성。
