数据不平衡及其他对SVM分类器的影响—实验研究

作者：林智勇模式分类数据不平衡支持向量机

摘要：本文对数据不平衡以及其他因素对支持向量分类机的影响进行了简单而系统的实验研究。结果表明,数据不平衡的实质是边界信息的不平衡,由此可能导致分类边界不恰当的偏移,进而降低分类器的性能。增大学习样本容量可丰富边界信息,进而可削弱数据不平衡对分类器带来的不良影响。然而,当分类学习的概念较复杂时,即使数据是平衡的,分类器也很难获得理想的决策边界。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社