[发明专利]基于融合Boost模型的不平衡数据采样方法

摘要

本发明提出了一种基于融合Boost模型的不平衡数据采样方法，具体实现步骤如下(1)生成训练样本集；(2)训练提升Boost模型；(3)定义pure1、danger1、noise1数据集；(4)获取训练样本集的样本点在加权特征空间的位置关系；(5)定义danger2、pure2、noise2数据集；(6)融合数据集；(7)合成新样本点；(8)获得平衡数据样本集。本发明采用融合Boost模型的不平衡数据采样方法，能够结合模型认知数据信息和特征空间数据分布信息，在平衡数据同时去除冗余数据，同时保护了数据原有特征结构，有效提高数据性能。

主权项

一种基于融合提升Boost模型的不平衡数据采样方法，其特征在于，包括如下步骤：(1)生成训练样本集；(2)训练提升Boost模型：采用提升Boost模型训练方法，训练提升Boost模型，得到训练好的提升Boost模型；(3)定义pure1、danger1、noise1数据集；(4)获取训练样本集的样本点在加权特征空间的位置关系：(4a)将训练样本集按特征类型归一化；(4b)采用更新特征权重值与提升Boost模型的F‑score评分结合的方法，得到训练样本集的新特征权重值；(4c)计算训练样本集的样本点在加权特征空间的位置关系；(5)定义danger2、pure2、noise2数据集；(6)融合数据集：将pure1数据集和pure2数据集融合为pure融合集，将danger1数据集和danger2数据集融合为danger融合集，将noise1数据集和noise2数据集融合为noise融合集；(7)合成新样本点：(7a)创建新样本点集合，将属于pure融合集且属于类0的样本点的集合作为pure创建集，将属于danger融合集且属于类0的样本点的集合作为danger创建集；(7b)对pure创建集和danger创建集中的每一个样本点，使用合成样本数据集新样本点的方法，合成样本数据集的新样本点；(8)获得平衡数据样本集：(8a)将属于pure融合集且属于类1的样本点的集合作为pure删除集，将属于noise融合集且属于类1的样本点的集合作为noise删除集，将属于加权特征空间中重叠的所有样本点的集合作为repeat删除集；(8b)删除新样本点中所有存在于repeat删除集的样本点；(8c)删除新样本点中存在于pure删除集和noise删除集中的所有样本点，获得平衡数据样本集。