文献类型：期刊文章

作　　者：周玉[1] 孙红玉[1] 房倩[1] 夏浩[1]

Zhou Yu;Sun Hongyu;Fang Qian;Xia Hao(School of Electric Power,North China University of Water Resources&Electric Power,Zhengzhou 450045,China)

机构地区：[1]华北水利水电大学电力学院,郑州450045

出　　处：《计算机应用研究》

基　　金：河南省高等学校青年骨干教师培养计划项目(2018GGJS079);国家自然科学基金资助项目(U1504622,31671580)。

年　　份：2022

卷　　号：39

期　　号：6

起止页码：1615-1621

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：社会发展的同时带来大量数据的产生,不平衡成为众多数据集的显著特点,如何使不平衡数据集得到更好的分类效果成为了机器学习的研究热点。基于此,对目前存在的不平衡数据集分类方法进行综述研究,从不平衡数据采样方法、基于机器学习的改进算法以及组合方法三个层面对目前存在的方法进行全面的梳理与总结,对各方面方法所解决的问题、算法思想、应用场景以及各自的优缺点进行归纳和分析,同时对不平衡数据集分类方法存在的问题和未来研究方向提出一些总结和展望。

关 键 词：不平衡数据集 分类  数据处理 机器学习  

分 类 号：TP183]