SMOTE算法在不平衡数据中的应用.pdfVIP

第 ３１卷　第５期 北京生物医学工程 Ｖｏｌ．３１　Ｎｏ．５ ２０１２年　１０月 ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ Ｏｃｔｏｂｅｒ　２０１２ ＳＭＯＴＥ算法在不平衡数据中的应用 １ １ ２ ３ ４ ５ １ 孙涛 　吴海丰 　梁志刚 　贺文 　张镭 　吕平欣　郭秀花 摘　要　目的 临床数据在分析时多存在不平衡性，即阳性数据和阴性数据不相等，如果不加以预 处理会使分析结果产生偏倚。处理有偏性数据的方法多，但多数方法存在过拟合或丢失数据等缺点。 方法 本文介绍了 ＳＭＯＴＥ算法的原理和 Ｒ语言具体实现方式，并用 ＳＭＯＴＥ算法处理真实临床数据作为 应用实例。结果 原始数据良恶性比率为 １／３，经过ＳＭＯＴＥ算法处理后，良恶性比率为 １。结论 ＳＭＯＴＥ 算法可对不平衡数据进行有效纠偏。 关键词　ＳＭＯＴＥ；不平衡数据；临床数据 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００２－３２０８．２０１２．０５．１６ 中图分类号　Ｒ３１８．０４　　文献标志码　Ａ　　文章编号　１００２－３２０８（２０１２）０５－０５２８－０３ ＡｐｐｌｉｃａｔｉｏｎｏｆＳＭＯＴＥａｒｉｔｈｍｅｔｉｃｆｏｒｕｎｂａｌａｎｃｅｄｄａｔａ １ １ ２ ３ ４ ５ １ ＳＵＮＴａｏ ，ＷＵＨａｉｆｅｎｇ ，ＬＩＡＮＧＺｈｉｇａｎｇ ，ＨＥＷｅｎ ，ＺＨＡＮＧＬｅｉ，ＬＶＰｉｎｇｘｉｎ，ＧＵＯＸｉｕｈｕａ １ＳｃｈｏｏｌｏｆＰｕｂｌｉｃＨｅａｌｔｈａｎｄＦａｍｉｌｙＭｅｄｉｃｉｎｅ，ＣａｐｉｔａｌＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００６９ ２ＸｕａｎＷｕＨｏｓｐｉｔａｌ，ＣａｐｉｔａｌＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００５３ ３ＢｅｉｊｉｎｇＦｒｉｅｎｄｓｈｉｐＨｏｓｐｉｔａｌ，ＣａｐｉｔａｌＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００５０ ４ＢｅｉｊｉｎｇＣｈａｏＹａｎｇＨｏｓｐｉｔａｌ，ＣａｐｉｔａｌＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００２０ ５ＢｅｉｊｉｎｇＣｈｅｓｔＨｏｓｐｉｔａｌ，ＣａｐｉｔａｌＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０１１４９ 【Ａｂｓｔｒａｃｔ】　ＯｂｊｅｃｔｉｖｅＵｎｂａｌａｎｃｅｄｄａｔａｗｈｉｃｈｍｅａｎｓｉｎｅｑｕａｌｉｔｙｂｅｔｗｅｅｎｐｏｓｉｔｉｖｅａｎｄｎｅｇａｔｉｖｅｄａｔａ，ｉｓａ ｃｏｍｍｏｎｐｒｏｂｌｅｍｉｎｃｌｉｎｉｃａｌｄａｔａａｎａｌｙｓｉｓ，ａｎｄｔｈｉｓｐｒｏｂｌｅｍｍａｙｒｅｓｕｌｔｉｎｂｉａｓ．Ｍｅｔｈｏｄｓｆｏｒｂａｌａｎｃｉｎｇｄａｔａａｒｅ ｖａｒｉｏｕｓ，ｙｅｔｓｏｍｅｍａｙｏｖｅｒｆｉｔｏｒｌｏｓｅｄａｔａ．ＭｅｔｈｏｄｓＩｎｔｈｉｓｐａｐｅｒ，ＳＭＯＴＥａｒｉｔｈｍｅｔｉｃａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｉｎＲ ｌａｎｇｕａｇｅｗｅｒｅｉｎｔｒｏｄｕｃｅｄｂｒｉｅｆｌｙａｎｄｗｅｕｓｅｄＳＭＯＴＥａｒｉｔｈｍｅｔｉｃｆｏｒｒｅａｌｕｎｂａｌａｎｃｅｄｄａｔａ．ＲｅｓｕｌｔｓＴｈｅｒａｔｉｏ ｂｅｔｗｅｅｎｂｅｎｉｇｎａｎｄｍａｌｉｇｎａｎｔｃａｓｅｓｗａｓ１／３ｉｎｏｒｉｇｉｎａｌｄａｔａａｎｄｔｈｅｒａｔｉｏｗａｓ１ｉｎｂａｌａｎｃｅｄｄａｔａ．Ｃｏｎｃｌｕｓｉｏｎｓ ＴｈｅＳＭＯＴＥａｒｉｔｈｍｅｔｉｃｈａｓｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｉｎｂａｌａｎｃｉｎｇｄａｔａ． 【Ｋｅｙｗｏｒｄｓ】　ＳＭＯＴＥ；ｕｎｂａｌａｎｃｅｄｄａｔａ；ｃｌｉｎｉｃａｌｄａｔａ ０　引言