论文研究 基于特征相关性的特征选择.pdf

不平衡数据集分类为机器学习热点研究问题之一，近年来研究人员提出很多理论和算法以改进传统分类技术在不平衡数据集上的性能，其中用阈值判定标准确定神经网络中的阈值是重要的方法之一。常用的阈值判定标准存在一定缺点，如不能使少数类及多数类分类精度同时取得最好、过于偏好多数类的精度等。为此提出一种新的阈值判定标准，依据该标准能够使少数类及多数类分类精度同时取得最好而不受样例类别比例的影响。以神经网络与遗传算法相结合训练分类器，作为阈值选择条件和分类器的评价标准，新标准能够得到较好的结果。