类不平衡问题,也被称为不平衡类问题或稀有类问题,是模式识别和机器学习领域研究的热点问题之一。对于两类问题,类不平衡问题的特点是一个类(多数类)的实例数明显多于另一个类(少数类)的实例数。业界内的广泛共识是错误预测少数类实例的代价要明显高于错误预测多数类实例的代价。然而,传统的分类方法试图通过假设任何类的实例数量彼此相似,进而学习具备高精度的模型,这往往导致少数类实例被忽视并被错误地分类为多数类。组合分类方法是常用于处理类不平衡问题的方法之一,相关的研究成果大致可以分为三类,即基于Bagging的组合分类器、基于Boosting的组合分类器以及混合组合分类器。前两种将抽样方法与Bagging和Boosting方法相结合,使得学习到的模型更关注于少数类实例,第三种方法将前两种方法相结合进而将同时获取Bagging和Boosting优势,增强分类器在不平衡类上的性能。组合分类器成功的关键是构建有差异且准确的基分类器。与以上方法不同,本文将抽样与特征变换方法相结合,提出一种基于抽样与特征变换的组合分类器学习方法,保障分类器间的差异性及基分类器的准确性,提高模型在类不平衡数据集上的性能。该方法迭代学习每个基分类器,具体过程如下:1)欠抽样原数据集获得平衡数据集,在该平衡数据集上,进一步使用随机抽样技术抽样获得新的数据集,并在新数据集上学习一个变换矩阵;2)使用变换矩阵将第1步骤获得的平衡数据集映射到新的空间以获得新的训练数据集,并学习一个基分类器。步骤1中第一个欠抽样用于确保学习的变换矩阵更好地捕获不平衡类特征,第二个抽样用于增加特征变换的差异性,进而有效保障基分类器间的差异性;步骤2使用平衡数据集训练基分类器,目的是增强基分类器模型在不平衡类上的泛化性能。相关实验结果表明,与其它高级分类方法相比,提出的方法在准确率、召回率、f-measure、g-mean和AUC上都显示了更好的泛化性能。