《表2 数据集信息：基于边界混合重采样的非平衡数据分类方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于边界混合重采样的非平衡数据分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本文所提方法的有效性，从UCI国际机器学习数据库（http：//www.ics.uci.edu）中选择了8组非平衡数据集。由文献[19-20]可知，一般当少数类与多数类的类分布比例低于1∶2时，数据具有非平衡特征。所用数据集样本点个数范围为215～4 601，样本点的属性维数范围为3～57，非平衡比率为多数类样本数与少数类样本数的比值，本文解决的是二分类非平衡问题，对于含有多个类别的数据集，人为的进行重构，并将重构后样本数量多的一类定义为多数类，样本数量少的一类定义为少数类。其中，Haberman数据集的第二类作为少数类，第一类作为多数类；Ecoli数据集的第pp、om为少数类，其他合起来为多数类；biodeg数据集的第RB类为少数类，NRB为多数类；Throid数据集第二类为少数类，其他类为多数类；Vehicle数据集第van类为少数类，其他合起来为多数类；Innosphere数据集的第b类为少数类，g类为多数类。各个数据集详细信息如表2所示。