用于不平衡数据流的 Hellinger 距离树

已知在具有不平衡类别分布的数据集上训练的分类器表现出较差的泛化性能。这被称为不平衡学习问题。当我们考虑在不平衡数据流上运行的增量分类器时，特别是当学习目标为稀有类识别时，该问题变得尤为尖锐。由于准确率可能会在不平衡数据上提供误导性的性能印象，基于准确率的现有流分类器在不平衡流上可能表现出较差的少数类性能，导致少数类召回率较低。在本文中，我们通过提出使用 Hellinger 距离度量作为非常快速的决策树分裂准则来解决这一缺陷。我们证明，通过使用 Hellinger 距离，可以在不平衡数据流上实现召回率的统计显著改善，同时假阳性率仅有可接受的增加。