一种新分类模型运用于不平衡分类

摘要

不平衡多分类问题是目前分类问题中的研究的一个热点，有着广泛的应用背景，如异常检测、疾病诊断等等。同时，不平衡多分类问题也是分类问题中的一个难点。首先，它的样本分布不均匀，不同类别之间样本数目差别大；其次，它又是一个多分类问题。本文创新地构建了一种新分类模型，对于解决不平衡多分类问题取得了不错的效果。
　　本文采用了医学诊断方面一个的数据集Arrhythmia。该数据集由452个患者记录组成，每个记录总共有279个特征值，目标是将数据集分类为16类。其中，类别的分布不均匀，正常的类别占整个数据集的一半多，而有的类别的占比不及1%。面对这样的一个数据集，本文创建了一种新分类模型，该模型是结合径向基函数插值和逻辑回归的算法思想而成的。为了寻找到最优的新分类模型，本文对新分类模型取了四种不同的径向基函数：高斯函数，Markoff分布函数，一次多项式函数和最简单的函数，在不同的参数下进行实验。最终得出，新分类模型在取一次多项式函数的形式下，相应的一次项系数c取10，惩罚项调节系数λ取1时，模型性能达到最佳，分类准确率高达76.01%。为了便于比较，本文还做了补充实验，将径向基函数插值和逻辑回归应用于该数据集。并且，对比了之前别人对这个数据集用不同分类器分类的效果。最后发现，新分类模型的分类效果是最好的。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本文的创新点

1.4 本文的组织架构

2 理论分析

2.1 径向基函数插值

2.2 逻辑回归

2.3 新分类模型

2.4 本章小结

3 实验分析

3.1 数据集及数据预处理

3.2 数据探索

3.3 模型建立及结果

3.4 本章小结

4 补充实验

4.1 径向基函数插值

4.2 逻辑回归

5 总结与展望

5.1 总结及结论

5.2 展望

致谢

参考文献