基于特征间关系合成少数类样本的不平衡数据处理方法

摘要

本发明涉及一种基于特征间关系合成少数类样本的不平衡数据处理方法。其步骤为：首先，在对少数类数据采样时，面对高维且具有冗余特征的数据，冗余特征会影响采样算法的性能，引入基于多目标的pareto前沿特征方法，使用AUC值，F_score值，G_mean值三个评价指标作为适应度函数，通过不断的迭代优化，选出三个评价指标都较高的pareto前沿特征；接着再对少数类样本的pareto前沿特征进行特征采样，使用XGBoost回归捕获特征间的关系，在生成样本的同时考虑新样本的质量问题，为了评价新样本的质量，设计了一个基于欧氏距离计算样本质量的评价指标DIS。最后将新生成的样本加入到原始的数据集中，合成多个平衡样本集，使用多数投票集成输出最终的分类结果。