作者：闫慈; 田翔华; 阿拉依·阿汗; 张伟文; 曹...代谢综合征不平衡数据集重采样技术神经网络决策树
摘要：目的 以代谢综合征为切入点，探讨不平衡数据对分类算法的影响，并运用重采样技术对数据进行平衡化处理，比较神经网络、决策树的分类性能。方法 （1）BP神经网络分类不同比例的不平衡数据集。（2）采用随机过采样、随机欠采样、混合采样和人工合成数据四种重采样技术，比较数据重采样前、后及四种数据重采样间使用神经网络、决策树分类的性能，以F-Measure，G-mean和AUC作为模型评价指标。结果 （1）随数据集不平衡比例的增加，AUC值逐渐减小，表明分类算法的分类性能随不平衡数据集不平衡比例的加剧而降低。（2）BP神经网络与C4.5决策树作用于原不平衡数据集分类代谢综合征，BP神经网络AUC值高于C4.5决策树，表明对不平衡数据集，BP神经网络的分类性能优于C4.5决策树。（3）四种重采样技术作用于BP神经网络后，除人工合成数据外，随机过采样、随机欠采样、混合采样分类性能均有提高，随机过采样分类性能最大。（4） 四种重采样技术作用于C4.5决策树后，其分类性能均有提高，且随机过采样分类性能最大，人工合成分类技术分类性能最低，此外，决策树均显示空腹血糖、高密度脂蛋白、BMI、舒张压和年龄是代谢综合征的主要影响因素。结论 分类算法的分类性能随数据集中患病率的降低而下降。采用随机过采样提高了分类算法的分类性能。建议在应用分类算法对医学不平衡数据分类前，采用随机过采样技术以提高分类性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
