بهبود رده بندی داده های نامتوازن با استفاده از معیارهای شباهت فازی و خوشه بندی کاهشی

یکی از قسمت های مهم در داده کاوی و کشف دانش از پایگاه داده، رده بندی است. در اغلب موارد داده هایی که برای آموزش رده بندها به کار می روند از توزیع مناسبی برخوردار نیستند. این توزیع نامناسب هنگامی رخ می دهد که یک رده تعداد نمونه های زیادی دارد؛ درحالی که به طور ذاتی نمونه های رده دیگر کم است. به طورکلی روش های حل این نوع مسایل به دو دسته نمونه گیری کاهشی و نمونه گیری افزایشی تقسیم می شود. در این مقاله یک روش نمونه گیری کاهشی با استفاده از ترکیب خوشه بندی و معیارهای شباهت فازی ارایه شده است و عملکرد آن ها ازنظر کارآمدی در رده بندی داده های نامتوازن مورد تحلیل و بررسی قرارگرفته اند. بدین منظور در ابتدا خوشه بندی کاهشی انجام شده و داده های رده اکثریت خوشه بندی، سپس با استفاده از معیارهای شباهت فازی نمونه های هر خوشه رتبه بندی و بر اساس این رتبه ها نمونه های مناسب انتخاب می شود؛ نمونه های انتخاب شده به همراه رده اقلیت مجموعه داده نهایی را تشکیل می دهند. در این پژوهش پیاده سازی در نرم افزار MATLAB، ارزیابی نتایج از طریق محاسبه معیار AUC و تحلیل نتایج با استفاده از آزمون های آماری استاندارد انجام شده است. نتایج مطالعه نشان دهنده عملکرد بهتر روش پیشنهادی، نسبت به سایر روش های شناخته شده است.