薛伟；张静 处理不平衡数据集：一种基于改进SMOTE算法的重采样方法。 （英语） Zbl 1384.62206号 Commun公司。统计、仿真计算。 45，第4期，1160-1172（2016）. 摘要：大多数分类模型在处理不平衡数据集时都呈现出不平衡的学习状态。本文提出了一种基于改进的SMOTE（合成少数过采样技术）算法的非平衡数据集学习新方法。该方法将过采样和欠采样方法有机地结合起来，目的是有针对性地选择邻域，合成不同策略的样本。实验表明，大多数分类器在用我们的算法处理不平衡数据集后，在正负类的分类问题上取得了理想的性能。 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 关键词：分类；不平衡数据集；重新取样；SMOTE算法 PDF格式BibTeX公司 XML格式引用 \textit｛W.Xue｝和\textit｛J.Zhang｝，公社。统计、仿真计算。45，第4号，1160--1172（2016；Zbl 1384.62206） 全文： 内政部 参考文献： [1] 内政部：10.1007/978-3642-01307-2_43·Zbl 05547058号 ·文件编号：10.1007/978-3-642-01307-2_43 [2] Chawla N.V.，《人工智能研究杂志》16（3），第321页–（2002） [3] Estabrooks A.，从不平衡数据集归纳学习的组合方案（2000年） [4] 内政部：10.1145/1007730.1007736·兹伯利05442742 ·doi:10.145/1007730.1007736 [5] 内政部：10.1007/11538059_91·doi:10.1007/11538059_91 [6] 内政部：10.1109/TIT.1968.1054155·doi:10.1109/TIT.1968.1054155 [7] 内政部：10.1198/016214500000098·Zbl 1089.62511号 ·doi:10.1198/016214500000098 [8] 内政部：10.1145/1007730.1007737·Zbl 05442773号 ·数字对象标识代码：10.1145/1007730.1007737 [9] Tomek I.，IEEE系统、人与控制论汇刊6（6）第769页–（1976） [10] 内政部：10.1145/1007730.1007734·Zbl 05442966号 ·数字对象标识代码：10.1145/1007730.1007734 [11] Weiss G.M.，《人工智能研究杂志》，第19页，第315页–（2003） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。