摘要： 针对随机森林算法（ＲＦ）以及过采样技术处理高维非均衡数据的不足，提出了新的 算法：首先结合 ＲＦ模型基尼系数与袋外数据准确率提出 ＭＡＧ算法，并用此算法对高维数据进 行降维处理；其次用动态离差平方和机器学习方法改进中心 ＳＭＯＴＥ算法来优化非均衡数据少 样本结构，使数据结构成为低维均衡结构；最后运用最小二乘支持向量机（ＬＳＳＶＭ）与 ＲＦ对整 合数据进行分类来判定所提出的算法的有效性。ＲＦ分类器和 ＬＳＳＶＭ分类器的实验结果表明： 所提出的 ＭＡＧＰＤＳＳＤＳＭＯＴＥ算法整合数据较已有方法在 Ｆｖａｌｕｅ值、Ｇｍｅａｎ值和 Ａｃｃｕｒａｃｙ值 上都有显著的提高，所提出算法整合数据较已有方法更精准，但从时间复杂度来看，提出的 ＭＡＧＰＤＳＳＤＳＭＯＴＥ算法比已有方法复杂一点，但还是处于同一个数量级别。

关键词: ＭＡＧＰＤＳＳＤＳＭＯＴＥ算法；随机森林；高维非均衡数据；数据处理

中图分类号: 

• TP18