一個適用於不平衡資料庫的多重關聯分類器

Abstract

現今大多數的結構化資料都是被儲存在關聯式 資料庫中，儲存於資料庫中的多個關聯，則經由實 體/關聯模型連結在一起。近年來，多重關聯的分 類已經被廣泛的應用到許多方面，如財務決策、醫 學研究…等。雖然已經有許多的學者提出各種多重 關聯資料探勘分類器如TILDE 、FOIL 、 CrossMine…等，但是在資料集不平衡的情況下， 這些多重關聯資料探勘分類器並不能有效的分類 出佔少數比例的資料(正例)。因此，本論文提出 Multi-relational G-mean decision Tree (Mr.G-Tree)演 算法來解決在多重關聯下各分類器無法正確預測 不平衡資料集的問題。從實驗數據中可以發現， Mr.G-Tree 演算法能更正確的探勘多重關聯下之不 平衡資料集。