[发明专利]基于熵和置信度的不平衡数据欠采样方法

摘要

本发明公开了基于熵和置信度的不平衡数据欠采样方法，包括以下步骤，S1：定义不平衡数据集为X，其中包含Nn个多数样本Xn和Np个少数样本Xp；S2：计算每个多数样本的熵S3：利用多数样本和少数样本，基于RUS训练第一个随机森林分类器f0(x)；S4：基于置信度和熵，计算经过步骤S3训练后的集合中多数样本的最终秩Ranki；S5：用所有少数样本Xp和具有最低秩的多数样本训练下一个随机森林分类器；S6：重复步骤S4和步骤S5，直到fl(x)中的l大于L，式中，l表示从一开始到现在累积的迭代次数，L为集合迭代次数。本发明将动态重采样方法与Boosting集成在一起，能解决边界过拟合问题，提高泛化性能，在ECUBoost中使用了置信度和熵作为基准，能保证欠采样过程中大多数样本的有效性和结构分布。