SMOTE和Biased-SVM相结合的不平衡数据分类方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：针对不平衡数据集的分类问题，本文利用支持向量机推广能力强的优良特性，提出了SMOTE（Synthetic Minority Over-sampling Technique，SMOTE）和Biased-SVM（Biased Support Vector Machine，Biased-SVM）相结合的方法。该方法首先对原始数据使用Biased-SVM方法，然后对求出的支持向量使用SMOTE向上采样方法进行采样，最后再使用Biased-SVM方法进行分类。实验结果表明，本文采用的SMOTE和Biased-SVM相结合的方法可提高不平衡数据集分类精度。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Biased 数据分类 Mote SMO 不平衡 机器学习 不平衡数据 数据分类 SMOTE Biased-SVM