改进的聚类过采样算法在信用评价中的应用

作者：王超然; 邵新慧

来源：信息与电脑(理论版), 2021, 33(01): 45-49.

• 过采样
• 边界少数类样本
• DBSCAN
• SMOTE
• 类别不平衡

采用传统过采样算法会导致忽略边界样本重要信息、新样本高相似度等问题,本文针对这一问题提出了一种新型的DB-BMCSMOTE方法。首先,该算法用DBSCAN聚类法对少数类聚类,识别并去除噪音后对标签中存在的边界少数样本依概率进行标记。其次,对聚类生成的每一样本簇生成密度函数,计算其密度及采样权重,将各簇中依概率标记的少数样本与较远样本间的中点进行过采样,以提升模型的准确率。实验结果表明,该算法相比其他算法平均提升3.8%,最大为5.92%,并有效应用于信用评价。

• 出版日期2021
• 单位东北大学