改进的多类不平衡数据关联分类算法*

由于多类不平衡数据中某些类别的样例数特别少，使得基于支持度-置信度的关联分类方法在这些类上产生的规则较少，甚至没有，从而导致这些类别的样例很难准确分类.针对此问题，文中提出改进的多类不平衡数据关联分类算法.为了提取更多小类的规则，根据项集与类别的正相关度提取规则.为了提高小类规则的优先级，提出利用项集类分布规则强度排序规则.此外，为解决规则冲突或无规则匹配问题，结合KNN分类新样例.实验表明，与基于支持度-置信度的关联分类方法相比，文中算法能提取更多的小类规则，且提高小类规则的优先级，在多类不平衡数据上取得较高的G-mean值和F-score值.