重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (8): 136-143.doi: 10.3969/j.issn.1674-8425(z).2021.08.018
李 波，谢玖祚
摘要： 对于常用机器学习分类算法在不均衡数据上分类性能较差的问题，提出了一种基 于生成对抗网络（ＧＡＮ）的不平衡数据分类策略。所提出的策略首先利用生成对抗网络通过训 练生成少数类样本，改善样本不均衡问题。使用机器学习分类器对改善后的数据集进行分类， 提升该模型的分类性能。实验使用了商业银行客户数据集，采用 Ｐｒｅｃｉｓｉｏｎ、Ｆｍｅａｎ等作为度量 指标，并与 ＳＭＯＴＥ等传统数据不均衡处理方法进行对比。实验结果表明：对于不平衡数据集的 二分类问题，提出的 ＧＡＮ模型在银行客户流失分类问题中具有可行性和适应性。最终取得了 良好的度量效果，有很强的适用性及应用价值。
中图分类号:
主管单位：重庆市教育委员会