论文部分内容阅读
究基于boosting的不平衡数据分类算法，归纳分析现有算法，在此基础上提出权重采样boosting算法。对样本进行权重采样，改变原有数据分布，从而得到适用于不平衡数据的分类器。算法本质是利用采样函数调整原始boosting损失函数形式，进一步强调正样本的分类损失，使得分类器侧重对正样本的有效判别，提高正样本的整体识别率。算法实现简单，实用性强，在UCI数据集上的实验结果表明，对于不平衡数据分类问题，权重采样boosting优于原始boosting及前人算法。