基于随机下采样和SMOTE的不均衡SVM分类算法
传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。
文件下载
评论信息
其他资源
- 电磁场论文.docx
- PHP Tools for VS 2013(永久免费最新版)
- 计算机网络课程设计报告（中小型网络）
- SAE-J1939-73中文
- 《数字信号处理第三版》课后习题答案（英文）
- 微博用户评论情感分析python代码（数据规模20w）
- CISSP官方学习指南第7版（中文）-非扫描版-带目录.pdf
- Maxent 模型代码
- 排队论教程（PPT和程序源代码）
- 通信原理-第7版-课后习题答案
- Android studio 使用自带DownloadManager实现更新app
- 矩阵键盘（堪称一绝的键盘扫描方法）
- javaweb课程设计学生管理系统
- matlab FRFFT分数阶傅里叶变换
- 分解大整数
- dom4j 官方绿色完整jar包
- 究极推荐：36个漂亮的各类型网站HTML模板源代码打包
- 西特燃气比例阀848.pdf
- Ge掺杂SiC电学和光学特性的理论研究
- matplotlab设置中文字体.txt
- FreeLauncher：开源C＃Minecraft启动器-源码
- 开源FireMonkey精品控件集-ZXing.Delphi for Delphi Rio
- VB小程序，跳跳球
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明