公开(公告)号：CN119475097A

公开(公告)日：2025-02-18

申请号：CN202411664305.2

申请日：2024-11-20

Applicant: 南京邮电大学

Inventor： 叶宁 ,  石晓东 ,  郭政鑫 ,  肖甫 ,  吕帅帅 ,  闫静宜 ,  王甦 ,  王娟

IPC: G06F18/2415 ,  G06F18/214 ,  G06N20/20 ,  G16H50/30 ,  G16H50/70

Abstract: 本发明涉及一种基于迭代式的欠采样代价敏感集成分类方法，属于医疗数据分析技术领域，尤其适用于处理不平衡数据集中的疾病预测模型。本发明通过迭代式的欠采样策略，动态调整多数类样本的采样概率，确保在训练过程中重点关注少数类样本的特征，同时避免丢失多数类样本的重要信息。结合代价敏感学习和集成学习，提出了一种能够在保持分类器整体准确率的同时，显著提高少数类样本预测性能的分类方法。该方法具有良好的适应性，适用于多种不平衡数据集场景，在医疗数据分析和疾病预警中展现了出色的应用效果。