模式分类是数据挖掘领域的重要研究方向之一。分类器首先对带类标号的训练样本集进行学习,以确定分类器结构和参数,然后再对未知类别的样本进行预测。单个分类器的分类正确率往往不理想,而组合分类器能取得良好的分类正确率。本文主要研究组合分类器中的AdaBoost算法。在该算法中,每个样本被赋予一个权重,这个权重代表该样本被选入训练子集的概率。迭代过程中,如果一个样本前一次被正确分类,那么它的权重就会增大,反之权重减小。通过这种方式,AdaBoost算法聚焦于那些难分的样本,从而提高困难样本的分类正确率。本文使用AdaBoost算法对不平衡数据集进行分类。本文用Fisher、伪逆、Naive Bayes和C4.5这4种分类器作为AdaBoost的基分类器,实验对比分析了这4种组合分类器对少数类分类正确率的影响,以及对所有样本AUC性能的影响,得到了一些有益的结论。本文对AdaBoost算法进行了改进,不再固定训练子集的大小,而是根据每个样本的权重和训练样本集容量的乘积上取整结果,决定每个样本被选入新训练子集的次数。一方面,使得训练子集都包含了所有的样本,没有信息遗失,提高了分类性能。另一方面,避免了训练子集中某一类别样本数目很多,其它类别样本数目很少甚至没有的情况,从而有效避免了过拟合和偏见问题。