文章摘要:高维非均衡数据的整合一直是数据分析所面临的难点之一。针对随机森林（RF）算法以及过采样技术（Oversampling）处理高维非均衡数据的不足，提出了新的算法：首先结合随机森林模型基尼系数与OOB准确率提出MAG算法，并用此算法对高维数据进行降维处理；其次用动态离差平方和（PDSSD）机器学习方法改进中心SMOTE算法来优化非均衡数据少样本结构，使数据结构成为低维均衡结构；最后运用最小二乘支持向量机（LSSVM）与随机森林（RF）对整合数据进行分类来判定本文所提出的算法的有效性。RF分类器和LSSVM分类器的实验结果表明本文所提出的MAG-PDSSD-SMOTE算法整合数据较已有方法在F-value值、G-mean值和Accuracy值上都有显著的提高，表明所提出算法整合数据较已有方法更精准，但从时间复杂度来看，提出的MAG-PDSSD-SMOTE算法比已有方法复杂一点，但还是处于同一个数量级别。

文章关键词:

项目基金: 上一篇：肿瘤学论文_基于瓶颈残差注意力机制U-net的肝
下一篇：没有了