科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对脑卒中数据不平衡，发病风险分类预测性能较差的问题，基于MAHAKIL过采样以及孤立森林提出了MARAIF过采样算法。为了提高新生成样本的多样性，使用随机数将MAHAKIL技术生成新样本单一取平均值的方法进行替换。此外，考虑到合成样本时容易生成噪声样本，该研究采用孤立森林算法检测新合成样本的噪声样本，并将其去除。使用机器学习将平衡的数据集分类器进行分类，与SMOTE、ADASYN、MAHAKIL过采样技术进行比较，实验结果表明，与不同的分类器相结合，MARAIF算法可以获得更好的分类性能，AUC值与F1-measure分别最高可提高25.50%和11.32%，验证了算法的有效性。
- 出版日期2023
- 单位太原理工大学
