融合级联上采样与下采样的改进随机森林不平衡数据分类算法

摘要：

数据不平衡会严重影响传统分类算法的性能,不平衡数据分类是机器学习领域的一个热点和难点问题.为提高不平衡数据集中少数类样本的检出率,提出一种改进的随机森林算法.该算法的核心是对每一棵通过Bootstrap采样后的随机森林子树数据集进行混合采样.首先采用基于高斯混合模型的逆权重上采样,然后基于SMOTE-borderline1算法进行级联上采样,再用随机下采样方式进行下采样,得到每棵子树的平衡训练子集,最后以决策树为基学习器实现改进机随机森林不平衡数据分类算法.此外,以G-mean和AUC为评价指标,在15个公开数据集上将所提算法与10种不同算法进行比较,结果显示其两项指标的平均排名和平均值均为第一.进一步,在其中9个数据集上将其与6种state-of-the-art算法进行比较,在32次结果对比中,所提算法有28次取得的成绩都优于其他算法.实验结果表明,所提算法有助于提高少数类的检出率,具有更好的分类性能.

关键词：级联上采样;随机森林;不平衡数据;分类算法

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划;国家自然科学基金;广东省科技计划项目;广东省教育厅项目 ;广州市科技计划项目

在线出版日期：2021-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：145-154