面向类不平衡的逻辑回归方法*

作为机器学习和模式识别中最重要的分类模型之一，逻辑回归(LR)具有较好的可解释性、泛化性.文中将该模型应用到类不平衡问题中，提出面向类不平衡的逻辑回归方法(LRCI)以处理数据不平衡问题.为了充分考虑数据不平衡性，分别构造基于g-mean的目标函数(GBM)和基于f-measure的目标函数(FBM)，监督LRCI学习模型参数，进而有效保证学习到的模型同时具有高准确率和召回率.UCI数据集上的实验表明，LRCI在保持LR高准确率的前提下，有效提高它的召回率、g-mean和f-measure.与其他类不平衡分类模型相比，LRCI表现出较明显优势.