计算机科学与探索

作者：王晓霞, 李雷孝, 林浩

单位：1. 内蒙古工业大学 数据科学与应用学院，呼和浩特 010080 2. 内蒙古自治区基于大数据的软件服务工程技术研究中心，呼和浩特 0100803. 天津理工大学 计算机科学与工程学院，天津 300384

关键词：不平衡数据,合成少数类过采样技术（SMOTE）,过采样,监督学习

合成少数类过采样技术（SMOTE）因能有效处理少数类样本已成为处理不平衡数据的主流方法之一，而且许多SMOTE改进算法已被提出，但目前已有的调研极少考虑到流行的算法级改进方法。因此对现有SMOTE类算法进行更全面的分析与总结。首先详细阐述了SMOTE方法的基本原理，然后主要从数据级、算法级两个层面系统性地梳理分析SMOTE类算法，并介绍数据级和算法级混合改进的新思路。数据级改进是在预处理时通过不同操作删除或添加数据来平衡数据分布；算法级改进不会改变数据分布，主要通过修改或创建算法来加强对少数类样本的关注度。二者相比，数据级方法应用受限更少，算法级改进的算法鲁棒性普遍更高。为了更全面地提供SMOTE类算法的基础研究材料，最后列出常用数据集、评价指标，给出未来可能尝试进行的研究思路，以更好地应对不平衡数据问题。

来源：2024年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第5期