基于聚类欠采样的极端学习机

针对极端学习机算法对不平衡数据分类问题的处理效果不够理想，提出了一种基于聚类欠采样的极端学习机算法。新算法首先对训练集的负类样本进行聚类生成不同的簇，然后在各簇中按规定的采样率对其进行欠采样，取出的样本组成新的负类数据集，从而使训练集正负类数据个数达到相对平衡，最后训练分类器对测试集进行测试。实验结果表明，新算法有效地降低了数据的不平衡对分类准确率的影响，具有更好的分类性能。