文件名称：论文研究-基于MTS-AdaBoost的不平衡数据分类研究.pdf
文件大小：911KB
文件格式：PDF
更新时间：2022-08-11 15:28:20
马田系统,AdaBoost集成算法,不平衡数据,财务危机预警,分类
不平衡数据在实际应用中广泛存在，而传统的分类算法大多假定类分布平衡，因此解决不平衡数据的分类问题已经成为数据挖掘的瓶颈问题之一。马田系统（MTS）是一种多元模式识别方法，将其与AdaBoost集成算法相结合，形成MTS-AdaBoost算法。该算法以MTS为基分类器，根据上一个基分类器的预测结果，自行调整下一个基分类器中样本被抽中的概率，以此来改变不同类数据的平衡度。最后，利用该算法对2010—2015年间上市公司的财务危机预警进行实证研究，结果表明，MTS-AdaBoost算法在系统降维和分类效果上都优于传统MTS，也优于其他常用的单一分类器。