基于球边界的不平衡数据分类方法

？现有分类算法对不平衡数据挖掘通常表现出有偏性，即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能，为此提出一种不平衡数据的分类方法。该方法对不同类引入不同的惩罚参数来灵活控制两类错分率的上界，通过一个超球面将两类数据以最大分离比率分离，从而提高不平衡数据对正类分类和预测的性能。实验结果表明，该方法可以有效提高不平衡数据的分类性能。