面向非平衡数据的大间隔近邻Relief算法

Relief算法对于数据重叠区域的样本分类较为困难，通过人为剔除分类边界的样本来缓解干扰数据对于分类性能的影响。在非平衡数据中，重叠区域包含着为数不多的少数类样本，简单地剔除干扰数据可能会造成信息的丢失。针对这一问题，文章提出了一种面向非平衡数据的大间隔近邻Relief算法，该算法首先结合K-means，提供了两种多数类样本的欠采样方案，以获得较为平衡的新采样数据集。然后利用SVM计算新数据集中最具判别性的方向，并依此设计了一种基于大间隔的近邻计算方式，从而尽可能避开干扰数据。在6个非平衡数据集上的实验表明，在现有代表性算法的基础上，文章提出的算法仅利用31%～57%数量的特征即可达到相当或更高的分类性能。