基于代价敏感的随机森林不平衡数据分类算法

摘要：

随机森林在分类不平衡数据时,容易偏向多数类而忽略少数类.可以将代价敏感用于分类器的训练;但在传统代价敏感随机森林算法中,代价函数没有考虑样本集实际分布与特征权重,且在随机森林投票阶段,没有考虑基分类器的性能差异.提出一种改进的代价敏感随机森林算法ICSRF,该算法首先根据不平衡数据集的实际分布构造代价函数;并将权重距离引入代价函数,然后根据基分类器的性能采取权重投票,提高分类准确率.实验结果表明,ICSRF算法能有效提高少数类的分类性能,可以较好地处理不平衡数据.

关键词：代价敏感、随机森林、不平衡数据、权重距离

所属期刊栏目：18

分类号：TP391.75(计算技术、计算机技术)

资助基金：国家自然科学基金重点项目51437003;吉林省科技计划20160623004TC

在线出版日期：2018-05-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：285-290