RB-CCR：面向不平衡数据分类的基于径向的组合清洗与重采样算法
机器学习
2021-05-11 v1
摘要
现实世界中的分类领域，如医疗、健康与安全以及金融，常表现出不平衡的类别先验以及异步的误分类代价。在此情形下，分类模型须在不过分损害精确率的同时实现高召回率。对训练数据重采样是提升不平衡二分类数据分类性能的标准方法。然而，现有最优方法忽略数据的局部联合分布，或将其作为后处理步骤进行修正。这可能导致训练分布的次优偏移，尤其在目标数据分布复杂时。本文提出基于径向的组合清洗与重采样（RB-CCR）。RB-CCR 利用类势概念精炼 CCR 的基于能量的重采样方法。具体而言，RB-CCR 借助类势精准定位数据空间中用于合成过采样的子区域。过采样的类别子区域可作为输入参数指定以满足领域特定需求，或通过交叉验证自动选取。我们在 57 个基准二分类数据集上采用 9 个分类器进行的 交叉验证结果表明，RB-CCR 相较 CCR 实现了更优的精确率-召回率权衡，且就 AUC 与 G-mean 而言总体优于现有最优重采样方法。
引用
@article{arxiv.2105.04009,
title = {RB-CCR: Radial-Based Combined Cleaning and Resampling algorithm for imbalanced data classification},
author = {Michał Koziarski and Colin Bellinger and Michał Woźniak},
journal= {arXiv preprint arXiv:2105.04009},
year = {2021}
}