不平衡数据度量指标优化的提升分类方法

来源：计算机工程与应用杂志2018年第21期北京时间：

作者：闫建红

单位：太原师范学院 计算机系，太原 030012

摘要：为提高不平衡数据的分类性能，提出了基于度量指标优化的不平衡数据Boosting算法。该算法结合不平衡数据分类性能度量标准和Boosting算法，使用不平衡数据分类性能度量指标代替原有误分率指标，分别采用带有权重的正类和负类召回率、F-measure和G-means指标对Boosting算法进行优化，按照不同的度量指标计算Alpha 值进行迭代，得到带有加权值的弱学习器组合，最后使用Boosting算法进行优化。经过实验验证，与带有权重的Boosting算法进行比较，该算法对一定数据集的AUC分类性能指标有一定提高，错误率有所下降，对F-measure和G-mean性能指标有一定的改善，说明该算法侧重提高正类分类性能，改善不平衡数据的整体分类性能。

关键词：不平衡数据集,二分类,曲线下面积（AUC）,度量指标优化,Boosting算法