发明名称 |
一种针对非平衡数据的随机森林抽样方法及装置 |
摘要 |
本发明涉及非平衡数据分类技术领域,特别涉及一种针对非平衡数据的随机森林抽样方法及装置。所述方法包括:步骤a:对训练集进行多次聚类,得到多组聚类结果;步骤b:计算所述多组聚类结果中各个聚类簇的信息熵,根据各个聚类簇的信息熵大小,将所述多组聚类结果分成不同的聚类簇组;步骤c:分别从每个聚类簇组中分层抽取一定数量的样本,得到类别均衡的随机森林训练数据子集。本发明通过多次聚类以及对聚类结果进行分组,可以很好地获取类别内部子类的结构特征,提升分类的精度;并根据每个样本被抽取的频率来调整其在后续抽样时的抽取概率,提升非平衡数据的分类性能。 |
申请公布号 |
CN106548196A |
申请公布日期 |
2017.03.29 |
申请号 |
CN201610914533.X |
申请日期 |
2016.10.20 |
申请人 |
中国科学院深圳先进技术研究院 |
发明人 |
陈会;赵鹤;蔡芷铃;姜青山 |
分类号 |
G06K9/62(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
深圳市科进知识产权代理事务所(普通合伙) 44316 |
代理人 |
赵勍毅 |
主权项 |
一种针对非平衡数据的随机森林抽样方法,其特征在于,包括:步骤a:对训练集进行多次聚类,得到多组聚类结果;步骤b:计算所述多组聚类结果中各个聚类簇的信息熵,根据各个聚类簇的信息熵大小,将所述多组聚类结果分成不同的聚类簇组;步骤c:分别从每个聚类簇组中分层抽取一定数量的样本,得到类别均衡的随机森林训练数据子集。 |
地址 |
518055 广东省深圳市南山区西丽大学城学苑大道1068号 |