《表4 不同K值时LADBMOTE的AUC值》

  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

《结合样本局部密度的非平衡数据集成分类算法》

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

K值作为LADBMOTE算法中采样点的近邻个数，不仅决定了每个采样点需要计算的近邻数，还决定了集成学习中基分类器的个数。当K值太小时，有价值的近邻未被选择，因此可能会丢失高质量的合成样本，从而影响了集成分类器的效果。当K值比较大时，距离采样点较远，质量较低的样本或噪音样本被加入到近邻集合中，导致生成的样本质量较差。例如，当K=1时，算法只会选择距离采样点最近的样本，由此生成的样本会非常靠近采样点，这种合成样本的价值不高。而当K值非常大时，选择的近邻很可能位于另外一个类簇中，使得生成的样本落入了处于中间的多数类样本区域中，成为了噪音样本。因此，为了研究K值对算法的影响，本文设置K值的范围为[3，10]，分类算法采用C4.5、NB、SMO、KNN和MLP，集成规则设置为Sum，AUC作为分类效果的评价指标。在20个数据集上的平均分类效果如表4所示。由表4实验结果可知，在以C4.5、NB、SMO和MLP作为分类器时，K设置为6时能够得到最优的AUC值。而以KNN作为分类器时，AUC随着K值增大而增大。当K≥8时AUC趋于稳定。在LADBMOTE算法中，K值应小于少数类样本的数量。然而，在非平衡率非常高的数据集中，少数类样本的数量非常少，较大的K值会导致算法无法运行。因此，综合分类效果与算法的可行性因素，K设置为6可以取得最优的分类效果。