计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2015年
8期
2323-2325
,共3页
支持向量机%分类%欠采样算法%不平衡样本
支持嚮量機%分類%欠採樣算法%不平衡樣本
지지향량궤%분류%흠채양산법%불평형양본
support vector machine (SVM)%classification%under-sampling algorithm%imbalanced dataset
支持向量机在处理不平衡数据集时,对少类样本的分类效果很不理想.传统的处理方法尽管能够提高少类样本的分类准确率,但多类样本的分类准确率却大幅度下降.综合考虑样本间的相对距离和密集程度,提出了一种欠采样方法.基于UCI标准数据集的仿真实验结果表明,提出的算法不仅可以提高少类样本的分类准确率,而且将多类样本的分类准确率的损失降到最低.
支持嚮量機在處理不平衡數據集時,對少類樣本的分類效果很不理想.傳統的處理方法儘管能夠提高少類樣本的分類準確率,但多類樣本的分類準確率卻大幅度下降.綜閤攷慮樣本間的相對距離和密集程度,提齣瞭一種欠採樣方法.基于UCI標準數據集的倣真實驗結果錶明,提齣的算法不僅可以提高少類樣本的分類準確率,而且將多類樣本的分類準確率的損失降到最低.
지지향량궤재처리불평형수거집시,대소류양본적분류효과흔불이상.전통적처리방법진관능구제고소류양본적분류준학솔,단다류양본적분류준학솔각대폭도하강.종합고필양본간적상대거리화밀집정도,제출료일충흠채양방법.기우UCI표준수거집적방진실험결과표명,제출적산법불부가이제고소류양본적분류준학솔,이차장다류양본적분류준학솔적손실강도최저.
