基于關聯規(guī)則的不平衡數據分類方法研究.pdf

1、基于關聯規(guī)則的分類方法即關聯分類算法，是數據挖掘中非常重要的一個領域，因解釋說明性強，分類精度高等特點已經成為智能決策領域的研究熱點。然而，不平衡數據的出現給關聯分類算法帶來了挑戰(zhàn)。在現實生活中存在很多不平衡數據集的應用，比如入侵檢測、森林火災、信用欺詐等等。在這些應用中，人們關心的更多是對少數類的分類精度，因為它的錯誤分類產生的代價是非常大的。因此，在實際應用中非常有必要提高不平衡數據的分類精度，尤其是少數類的分類精度。
　　對

2、于關聯分類算法不能很好地處理不平衡數據，主要有兩方面的原因:一是關聯分類使用的興趣度量往往是基于“置信度-支持度”架構的，對于不平衡數據集，無論將其設置得或高或低，都會產生極少與少數類有關的規(guī)則或大量無用的規(guī)則。興趣度量起著至關重要的作用，它參與了規(guī)則的生成、剪枝和排序的過程，所以選擇合適的興趣度量對提高關聯分類算法處理不平衡數據的性能非常有必要。二是因為類分布不均的不平衡數據會導致分類算法往往傾向于多數類，容易忽略少數類起到的作用，使

3、得生成的規(guī)則質量較差。針對以上原因本文主要從以下兩個方面展開研究:
　　(1)從興趣度量角度著手，旨在找到合適的興趣度量，從而提高關聯分類方法處理不平衡數據的性能。一方面本文提出了穩(wěn)定強關聯度量挖掘(Stable Strongly CorrelatedMeasures Mining)方法找到在不平衡數據下普遍存在強關聯關系的度量集，進而分析其行為。另一方面，為了選出所有優(yōu)秀的度量，本文基于分類精度實現了對所有興趣度量在不同類分布下

4、的排序，經過篩選和行為分析得到了具有不同特點的兩組相對優(yōu)秀的度量集。
　　(2)從數據和規(guī)則層次著手，旨在保證規(guī)則的質量，從而提高關聯分類對不平衡數據集的分類精度。首先在數據層次，本文提出關鍵值抽樣(Key Value Sampling)法對原始訓練集進行抽樣，通過增加與少數類相關性強的數據，減少與多數類相關性弱的數據來達到數據類分布平衡。其次在規(guī)則層次，本文充分利用了關聯分類產生的分類器能夠實現修改個別規(guī)則而不影響其它規(guī)則的特點