类别不均衡学习中的抽样策略研究

来源：计算机工程与应用杂志2019年第21期北京时间：

作者：刘树栋，张可

单位：1.中南财经政法大学 人工智能法商应用研究中心，武汉 430073；2.中南财经政法大学 信息与安全工程学院，武汉 430073

摘要：类别不均衡学习在信用评估、客户流失预测、医学诊断、短文本情感分析、标记学习、评分预测等众多领域有广泛的应用，是机器学习研究和应用的热点方向之一，近年来逐渐引起学术界和工业界的广泛关注。目前解决类别不均衡问题主要有三种方法：数据级解决方法、算法级解决方法和集成解决方法。侧重于对近年来类别不均衡学习中的抽样策略研究进展进行综述，介绍类别不均衡学习的基本框架，对类别不均衡学习中三种主要的抽样策略（过抽样、欠抽样和混合抽样）相关研究进展进行前沿概括、比较和分析，对类别不均衡学习的抽样策略中有待研究的难点、热点及发展趋势进行展望。

关键词：不均衡学习,集成学习,欠抽样,特征选择,支持向量机,合成少数类过抽样技术,混合抽样