[发明专利]不平衡数据的分类方法

权利要求书

1.一种不平衡数据的分类方法，包括如下步骤：

S1.获取需要分类的不平衡数据集；

S2.对步骤S1获取的不平衡数据集中的数据样本权重进行初始化；

S3.从不平衡数据集的各个子集中抽取若干个样本，和不平衡数据集中的少数类数据样本构成代价敏感度高的样本集合，并设置代价敏感度高的样本集合中每一个样本的代价值；

S4.将没有被抽取的样本集构成代价敏感度低的样本集合，并设置代价敏感度低的样本集合中每一个样本的代价值；

S5.采用事先选定的弱分类算法作为基本分类器，在步骤S3和步骤S4得到的样本上进行训练，从而得到一个弱分类器；

S6.根据步骤S5得到的弱分类器，更新所有样本的权重值；

S7.对不平衡数据集的所有子集进行分裂和权重值的更新；

S8.输出最终的集成分类器，从而完成不平衡数据的分类。

2.根据权利要求1所述的不平衡数据的分类方法，其特征在于步骤S2所述的对不平衡数据集中的数据样本权重进行初始化，具体为设置簇分裂的步数和簇的最大数量，并将不平衡数据集中的每一个数据样本权重值均设置为1/N，N为不平衡数据集中数据样本的个数。

3.根据权利要求2所述的不平衡数据的分类方法，其特征在于步骤S3所述的抽取样本构成代价敏感度高的样本集合并设置代价值，具体为采用如下步骤构成集合并设置代价值：

(1)从各个子集中抽取若干个样本，抽取样本的数量采用如下公式计算：

式中SNC_j为抽取样本的数量，B为采样总数，w_k为第j个子集中的样本权重，C_j为第j个子集，W为不平衡数据集中的多数类样本集合的权重总和，w_i为不平衡数据集中的多数类样本集合的第i个数据样本的权重；

(2)步骤(1)中抽取的样本和不平衡数据集中的少数类数据样本构成代价敏感度高的样本集合，并设置每一个样本的代价值C_i。

4.根据权利要求3所述的不平衡数据的分类方法，其特征在于步骤(1)中所述的所述的抽取若干个样本，具体为在每个子集中采用Top-k算法进行样本的抽取，选取top-k个权重最大的样本点。

5.根据权利要求4所述的不平衡数据的分类方法，其特征在于步骤S5所述的得到一个弱分类器，具体为采用事先选定的弱分类算法作为基本分类器，根据步骤S3得到的代价敏感度高的样本集合S’和步骤S4得到的代价敏感度低的样本集合w’一起作为新的不平衡数据集，训练得到一个弱分类器h_t。