论文部分内容阅读
为了提高不平衡数据集中少数类的分类准确率，文章对组合分类算法进行了研究，提出了一种新的组合分类算法WDB。该算法采用决策树C4.5和朴素贝叶斯两种不同的分类器作为基分类器，选择精确度（precision）作为权值，根据不同的训练集，通过“权值学习”的方式自动调整各基分类器的权值大小，然后，结合各基分类器的预测结果，利用加权平均法进行代数组合，构造出一种新的分类算法WDB。最后，以开放的不平衡数据集作为数据源，利用常见的性能评价指标进行实验验证。实验结果证明，在组合分类算法中引入“权值学习”能够发挥基分类器