基于ADASYN和WGAN的混合不平衡数据处理方法

摘要

为了解决不平衡数据集中少数类样本分类精度较低的问题，提出了一种处理不平衡数据集的ADASYN-WGAN方法。首先，采用ADASYN(adaptive synthetic sampling)算法生成少数类样本，用这些生成样本代替WGAN(wasserstein generative adversarial networks)中的随机噪声；其次，利用WGAN算法生成符合原始数据集分布规律的少数类样本，构建平衡数据集；然后，在6个公开数据集上，采用随机森林分类器对所提方法和4种过采样算法得出的处理结果分别与原始数据集进行对比；最后，通过F1-Score, G-mean和AUC等分类评估指标的表现验证所提方法的有效性。结果表明：在对比实验中，经过ADASYN-WGAN方法得到的平衡数据集在随机森林分类器的十折交叉验证中，4个公开数据集中的各项分类评估指标值均达到最优，虽然另2个公开数据集中的AUC值略低，但其F1-Score和G-mean取得了最高值。所提出的ADASYN-WGAN方法可生成高质量的数据样本，并可为解决不平衡数据集中少数类样本的预测偏差问题提供参考。

关键词

数据处理 / 不平衡数据 / WGAN / ADASYN / 过采样方法 / 随机森林

基金资助

河北省自然科学基金(F2022208002); 河北省高等学校科学技术研究重点项目(ZD2021048)