论文部分内容阅读
不平衡类问题在现实生活中普遍存在，表现为一个类的实例数明显多于另一个类的实例数，其类分布不平衡这一特征导致了传统的分类方法不能很好地处理该类问题.本文将k-means和逻辑回归模型相结合，提出一种叫做ILKL（Imbalanced Learning based on K-means and Logistic Regression）的算法处理不平衡类问题.首先，ILKL使用聚簇方法将多数类划分成一个个子簇，以重新平衡数据集，然后在相对的平衡的数据集上学习逻辑回归模型.UCI数据集上的实验结果显示，与传统方法