針對(duì)傳統(tǒng)分類(lèi)技術(shù)對(duì)不均衡電信客戶(hù)數(shù)據(jù)集中流失客戶(hù)識(shí)別能力不足的問(wèn)題，提出一種基于差異度的改進(jìn)型不均衡數(shù)據(jù)分類(lèi)（IDBC）算法。該算法在基于差異度分類(lèi)（DBC）算法的基礎(chǔ)上改進(jìn)了原型選擇策略。在原型選擇階段，利用改進(jìn)型的樣本子集優(yōu)化方法從整體數(shù)據(jù)集中選擇最具參考價(jià)值的原型集，從而避免了隨機(jī)選擇所帶來(lái)的不確定性；在分類(lèi)階段，分別利用訓(xùn)練集和原型集、測(cè)試集和原型集樣本之間的差異性構(gòu)建相應(yīng)的特征空間，進(jìn)而采用傳統(tǒng)的分類(lèi)預(yù)測(cè)算法對(duì)映射到相應(yīng)特征空間內(nèi)的差異度數(shù)據(jù)集進(jìn)行學(xué)習(xí)。最后選用了UCI數(shù)據(jù)庫(kù)中的電信客戶(hù)數(shù)據(jù)集和另外6個(gè)普通的不均衡數(shù)據(jù)集對(duì)該算法進(jìn)行驗(yàn)證，相對(duì)于傳統(tǒng)基于特征的不均衡數(shù)據(jù)分類(lèi)算法，DBC算法對(duì)稀有類(lèi)的識(shí)別率平均提高了8. 3%，IDBC算法對(duì)稀有類(lèi)的識(shí)別率平均提高了11. 3%。實(shí)驗(yàn)結(jié)果表明，所提IDBC算法不受類(lèi)別分布的影響，而且對(duì)不均衡數(shù)據(jù)集中稀有類(lèi)的識(shí)別能力優(yōu)于已有的先進(jìn)分類(lèi)技術(shù)。

?