基于mts-adaboost的不平衡数据分类研究-计算机应用研究.pdfVIP

基于MTS-AdaBoost 的不平衡数据分类研究 作者 顾玉萍, 程龙生 机构 南京理工大学 经济管理学院 发表期刊 《计算机应用研究》 预排期卷 2018 年第35 卷第2 期 访问地址 /article/02 -2018-02-054.html 发布日期 2017-03-15 09:21:47 引用格式 顾玉萍, 程龙生. 基于MTS-AdaBoost 的不平衡数据分类研究[J/OL]. [2017-03-15]. http://www.a /article/02-2018-02-054.html. 摘要 不平衡数据在实际应用中广泛存在，而传统的分类算法大多假定类分布平衡，因此解决不平衡数 据的分类问题已经成为数据挖掘的瓶颈问题之一。马田系统（MTS）是一种多元模式识别方法， 将其与AdaBoost 集成算法相结合，形成MTS-AdaBoost 算法。该算法以MTS 为基分类器，根据 上一个基分类器的预测结果，自行调整下一个基分类器中样本被抽中的概率，以此来改变不同类 数据的平衡度。最后，利用该算法对2010-2015 年间上市公司的财务危机预警进行实证研究，结 果表明，MTS-AdaBoost 算法在系统降维和分类… 关键词 马田系统, AdaBoost 集成算法, 不平衡数据, 财务危机预警, 分类 中图分类号 TP181 基金项目 国家自然科学基金资助项目 35 优先出版 计 算 机 应 用 研 究 第 卷 基于MTS-AdaBoost 的不平衡数据分类研究* 顾玉萍，程龙生 (南京理工大学 经济管理学院，南京 210094) ) 摘 要：不平衡数据在实际应用中广泛存在，而传统的分类算法大多假定类分布平衡，因此解决不平衡数据的分类问题 MTS AdaBoost 已经成为数据挖掘的瓶颈问题之一。马田系统（ ）是一种多元模式识别方法，将其与 集成算法相结合， 形成MTS-AdaBoost 算法。该算法以MTS 为基分类器，根据上一个基分类器的预测结果，自行调整下一个基分类器中 样本被抽中的概率，以此来改变不同类数据的平衡度。最后，利用该算法对2010-2015 年间上市公司的财务危机预警进 MTS-AdaBoost MTS 行实证研究，结果表明， 算法在系统降维和分类效果上都优于传统 ，也优于其他常用的单一分类器。 AdaBoost 关键词：马田系统； 集成算法；不平衡数据；财务危机预警；分类 中图分类号：TP181 Classification of unbalanced data based on MTS-AdaBoost Gu Yuping, Cheng Longsheng (School