基于鲸群优化随机森林算法的非平衡数据分类

为了提高非平衡数据分类的准确性，采用随机森林算法用于数据分类，并结合鲸鱼优化算法对随机森林弱分类器权重进行优化求解，以增强随机森林算法对非平衡数据分类的适应性。首先，建立基于随机森林的非平衡数据分类模型。通过随机森林的多个决策树弱分类器进行分类，有效解决样本不均衡导致的分类困难问题。接着，采用鲸群优化算法对弱分类器权重进行优化求解，将分类准确率均值作为鲸群优化适应度函数，以提高弱分类器权重投票对最终分类结果的精度。最后，采用经过鲸群优化得到的随机森林模型进行非平衡数据分类。实验证明，通过合理设置鲸群优化算法参数，可以获得分类准确度更高的随机森林弱分类器权重，相较于常用非平衡数据分类算法，文中算法能够获得更优的分类性能。