改进SMOTE的非平衡数据集分类算法研究

来源：计算机工程与应用杂志2018年第18期北京时间：

作者：赵清华，张艺豪，马建芬，段倩倩

单位：太原理工大学?信息工程学院&新型传感器和智能控制教育部（山西）重点实验室 微纳系统研究中心，太原?030600

摘要：针对随机森林和SMOTE组合算法在处理不平衡数据集上存在数据集边缘化分布以及计算复杂度大等问题，提出了基于SMOTE的改进算法TSMOTE（triangle SMOTE）和MDSMOTE（Max Distance SMOTE），其核心思想是将新样本的产生限制在一定区域，使得样本集分布趋于中心化，用更少的正类样本点人为构造样本，从而达到限制样本区域、降低算法复杂度的目的。在6种不平衡数据集上的大量实验表明，改进算法与传统算法相比，算法消耗时间大幅减少，取得更高的G-mean值、F-value值和AUC值。

关键词：随机森林,SMOTE算法,不平衡数据集