基于KM-SMOTE和随机森林的不平衡数据分类

来源：计算机技术与发展杂志2015年第09期北京时间：

作者：陈斌;苏一丹;黄山

摘要：基于SMOTE算法的随机森林能够很好地处理不平衡数据集的分类，是一种通过对数据进行改造以达到良好分类要求的分类器。但SMOTE算法在处理不平衡数据后，可能会导致不平衡数据集分布的整体变化以及模糊正负类边界。这两个缺陷极易导致平衡后的数据与原始数据集有很大差异，从而使分类结果有提高但仍旧不够理想。K-means算法能够有效地聚类，并达到对数据分布的描述。在此基础上，结合K-means算法与SMOTE算法，利用两者优点，文中提出了一种基于K-means的KM-SMOTE算法，有效地解决了上述两个问题。并用于随机森林分类器进行实验，结果表明，改进后的算法分类效果更加明显。

关键词：K-means;SMOTE算法;随机森林;不平衡数据集