小樣本不平衡設(shè)備數(shù)據(jù)下的機器學(xué)習(xí)策略研究

打開文本圖片集

摘要：針對小樣本數(shù)據(jù)樣本容量不足與分布不平衡的設(shè)備壽命預(yù)測問題，構(gòu)建基于改進SMOTE 算法與改進 KNN（K-NearestNeighbor） 算法聯(lián)合優(yōu)化模型。首先，設(shè)置噪聲比例系數(shù)β排除樣本數(shù)據(jù)中的噪聲，隨后通過類 B-SMOTE（Borderline-SMOTE） 算法與傳統(tǒng) SOMTE 算法結(jié)合構(gòu)建改進 SMOTE（ISMOTE）算法對存在分布問題的少數(shù)類樣本進行新增優(yōu)化，避免因為樣本分布不平衡以及樣本數(shù)量較少引起的偏差。（剩余13767字）