基于平衡随机集的 imbalanced 营销数据分类

对于 imbalanced 数据，使用所有数据构建的分类器往往会忽略少数类。为了克服这个问题，我们提出使用基于大量相对较小且平衡的子集构建的集成分类器，其中从两种模式中随机选择代表。作为结果，系统生成线性回归系数矩阵，其行代表随机子集，列代表特征。基于该矩阵，我们评估特定特征影响的稳定性。建议仅将具有稳定影响的特征保留在模型中。最终模型代表基础学习器的平均值，不一定是线性回归。适当的数据预处理对于整个系统的有效性非常重要，建议将原始数据简化为最简单的二进制稀疏格式，这对于构建决策树特别方便。因此，任何特定特征都将由几个二进制变量或 bin 表示，在数据结构方面完全等效。此属性非常重要，可用于特征选择。所提出的方法不仅利用了特定变量对基础学习器的贡献，还利用了这些贡献的多样性。展示了针对 KDD-2009 竞赛数据集的测试结果。