两层聚类的类别不平衡数据挖掘算法.pdfVIP

第40卷第11期 计算机科学 VoL40No．11 Science NOV2013 2013年11月 Computer 两层聚类的类别不平衡数据挖掘算法 胡小生1张润晶2钟勇1 (佛山科学技术学院电子与信息工程学院 佛山528000)1 (佛山科学技术学院信息与教育技术中心 佛山528000)2 摘要类别不平衡数据分类是机器学习和数据挖掘研究的热点问题。传统分类算法有很大的偏向性，少数类分类 效果不够理想。提出一种两层聚类的类别不平衡数据级联挖掘算法。算法首先进行基于聚类的欠采样，在多数类样 本上进行聚类，之后提取聚类质心，获得与少数类样本数目相一致的聚类质心，再与所有少数类样例一起组成新的平 衡训练集，为了避免少数类样本数量过少而使训练集过小导致分类精度下降的问题，使用轴压0TE过采样结合聚类欠 采样；然后在平衡的训练集上使用K均值聚类与C4．5决策树算法相级联的分类方法，通过K均值聚类将训练样例划 分为K个簇，在每个聚类簇内使用C4．5算法构建决策树，通过K个聚簇上的决策树来改进优化分类决策边界。实 验结果表明，该算法具有处理类别不平衡数据分类问题的优势。 关键词数据挖掘，分类，不平衡数据，K均值聚类 中图法分类号TP391文献标识码A Two-tier for ImbalancedDatasets ClusteringMining HU ZHANG Xiao-shenga ZHONG州 Ru州in92 ofEkctmnicandInformation 528000，China)1 (College Engineering，FoshanUniversity，Foshan (InformationandEducation Center，Foshan 528000，China)2 Technology University，Foshan AbstractClassificationofclass-imbalanceddatabecomesaresearchhot inmachine anddata topic leaming mining． Mostclassification thatmostof tothe in tendto the data algorithmspredict incomingbelongsmajorityclass，resulting the classification in class are muchmoreofinterest．Inthis pool performanceminorityinstances，which usually paper，a two-tier was firstconstructsbalanced set clusteringcascadingminingalgor