[发明专利]一种基于混合采样和机器学习的不平衡数据分类方法

权利要求书

1.一种基于混合采样和机器学习的不平衡数据分类方法，包括：

步骤一，在原始学习样本集中的多数类样本集中抽取若干多数类样本，在原始学习样本集中的少数类样本集中抽取若干少数类样本，利用抽取的多数类样本和少数类样本合成训练集；

其特征在于，还包括以下步骤：

步骤二，针对训练集中的少数类样本集P，复制P生成样本集P'，利用P和P'合成合集PP'，在PP'的基础上采用smote算法生成人工样本集S，同时P、P'和S共同构成新的少数类样本集PP'S；

步骤三，针对训练集中的多数类样本集N，不放回地随机欠采样得到t个数据子集N_i，其中，每个子集N_i的数目为原少数类样本集P数目的m倍，且每个子集N_i中样本的数目小于新的少数类样本集PP'S中样本的数目，m为大于1的整数，i＝1，2，.....，t；

步骤四，重复执行步骤二t次，得到t个不同的少数类集样本集PP'S_i，将每个多数类子集N_i与对应的少数类样本集PP'S_i合成新的训练集，得到t个不同的子集；

步骤五，对于步骤四中得到的t个不同的子集，利用机器学习方法，分别对应训练生成t个分类器H_i；

步骤六，集成t个分类器H_i，得到最终的分类器H，利用分类器H完成对不平衡数据集的分类。

2.如权利要求1所述的基于混合采样和机器学习的不平衡数据分类方法，其特征在于，所述步骤二中，在PP'的基础上生成S的过程为：

对于PP'中每个样本x，计算x与PP'中除x外其他样本的欧氏距离，获取x的k个最近邻，从k个最近邻中随机选取一个样本o，合成一个新样本x'＝x+Rand(0，1)*(x-o)；Rand(0，1)表示在0到1的范围内随机取一值。

3.如权利要求1所述的基于混合采样和机器学习的不平衡数据分类方法，其特征在于，所述步骤五中，训练生成t个xgboost_i分类器H_i。

4.如权利要求3所述的基于混合采样和机器学习的不平衡数据分类方法，其特征在于，所述步骤六中，利用公式集成t个xgboost_i分类器H_i，其中Round表示四舍五入取整运算。

5.如权利要求1至4任一项所述的基于混合采样和机器学习的不平衡数据分类方法，其特征在于，所述步骤一中，还包括：将训练集在原始学习样本集中的补集定义为测试集；其中，训练集中少数类样本数目与多数类样本数目之比为p，测试集中少数类样本数目与多数类样本数目之比为q，p＝q；

在步骤六之后还包括步骤七，用测试集对分类器H进行测试验证。