论文部分内容阅读
针对不平衡数据学习问题，提出一种采用渐进学习方式的分类算法。根据属性值域分布，逐步添加合成少数类样例，并在阶段分类器出现误分时，及时删除被误分的合成样例。当数据达到预期的平衡程度时，用原始数据和合成数据训练学习算法，得到最终分类器。实验结果表明，该算法优于C4．5算法，并在多数数据集上优于SMOTE Boost和Data Boost—IM。