重击

SMOTE：合成少数过采样技术。描述了一种构造不平衡数据集的方法。如果分类近似不平衡，则分类不相等。通常，真实世界的数据集主要由“正常”示例组成，只有一小部分“异常”或“有趣”示例。同样的情况是，将异常（有趣的）示例错误分类为正常示例的成本通常远高于反向错误的成本。多数（正态）类的欠采样被认为是提高分类器对少数类敏感度的一种好方法。本文证明了我们对少数（异常）类进行过采样和对大多数（正常）类进行欠采样的方法相结合可以获得更好的分类器性能（在ROC空间）。文中所提出的基于bayper或loss比的bayper类抽样方法，也能在类中取得比多数抽样率更好的性能。我们过度抽样少数类的方法包括创建合成的少数类示例。实验使用C4.5、Ripper和naivebayes分类器进行。利用接收机工作特性曲线（AUC）下面积和ROC凸包策略对该方法进行了评估。