代价敏感的KPCA-Stacking不均衡数据分类算法

来源：计算机工程与科学杂志2021年第3期北京时间：

作者：曹婷婷, 张忠林

单位：（兰州交通大学电子与信息工程学院，甘肃 兰州 730070）

摘要：代价敏感学习是解决不均衡数据分类问题的一个重要策略，数据特征的非线性也给分类带来一定困难，针对此问题，结合代价敏感学习思想与核主成分分析KPCA提出一种代价敏感的Stacking集成算法KPCA-Stacking。首先对原始数据集采用自适应综合采样方法(ADASYN)进行过采样并进行KPCA降维处理；其次将KNN、LDA、SVM、RF按照贝叶斯风险最小化原理转化为代价敏感算法作为Stacking集成学习框架的初级学习器，逻辑回归作为元学习器。在5个公共数据集上对比J48决策树等10种算法，结果表明代价敏感的KPCA-Stacking算法在少数类识别率上有一定提升，比单个模型的整体分类性能更优。

关键词：不均衡数据,代价敏感,KPCA,Stacking,ADASYN过采样,分类,

基金资助：国家自然科学基金（61662043）