摘要
为解决极端不平衡数据中的分类问题,通过引入样本权值偏度调整函数优化Adaboost模型每轮迭代中权重更新函数,让权重更新不仅考虑错误分类样本采样权重,更关注错误样本中少数类样本,以适应极端不平衡情况。实验过程中对比分析改进模型与主流不平衡分类模型。结果显示,不同于传统不平衡模型以少数类识别准确率为代价保证其良好召回率,改进模型以中游水平召回率下取得最优识别准确率。由此在F1-score指标上表现优良,展现出对少数类样本分类稳定性。
出处
《自动化应用》
2022年第9期72-75,共4页
Automation Application
基金
杭州电子科技大学研究生科研创新基金(项目编号:CXJJ2021006)。
