[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在审
| 申请号： | 201910171280.5 | 申请日： | 2019-03-07 |
| 公开（公告）号： | CN109871901A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 刘丽珏;谭世洋;李仕浩 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 长沙正奇专利事务所有限责任公司 43113 | 代理人： | 马强;李美丽 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了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，生成训练集；步骤二，针对训练集中的少数类样本集P，复制P生成P'，利用P和P'合成PP'，在PP'的基础上采用smote算法生成S，同时P、P'和S构成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Ni；步骤四，重复执行步骤二t次，得到t个不同的PP'Si，将Ni与对应的PP'Si合成新的训练集，得到t个子集；步骤五，训练生成t个分类器Hi；步骤六，集成t个Hi，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。本发明提高少数类样本的关注度同时不会过分丢失多数类的信息；减小了过拟合和过度泛化的可能；训练效果好，不易过拟合，训练速度快。 | ||
| 搜索关键词： | 分类器 机器学习 数据分类 训练集 样本集 采样 拟合 合成 算法生成 训练效果 重复执行 关注度 欠采样 数据集 减小 样本 复制 分类 | ||
【主权项】：
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Ni，其中，每个子集Ni的数目为原少数类样本集P数目的m倍，且每个子集Ni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'Si，将每个多数类子集Ni与对应的少数类样本集PP'Si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Hi；步骤六，集成t个分类器Hi，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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学，未经中南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910171280.5/，转载请声明来源钻瓜专利网。
