不平衡分类数据的模型优化实证研究的任务书.docx

不平衡分类数据的模型优化实证研究的任务书
任务书
一、研究背景
针对不平衡分类数据问题，传统的机器学习方法可能会在少数类上表现欠佳，无法做好分类任务。如何针对这一问题进行优化，是当前机器学习领域的研究热点之一。
针对不平衡分类数据问题，学者们提出了许多方法，如改变分类决策阈值、重采样方法等，但是每种方法的效果、适用范围都不同。因此，有必要开展一项实证研究，探讨不同的优化方法对不平衡分类数据的影响，为实际应用提供参考依据。
二、研究任务
1.收集不平衡分类数据集
本研究将收集至少5个不同领域的不平衡分类数据集。这些数据集应包含多个类别，且少数类别样本量占比不超过10%。
2.设计实验方案
在收集到的数据集中，选取3个作为研究对象，设计实验方案，进行以下要素的实验：
（1）基准模型：使用传统的机器学习算法（如SVM、决策树等）训练模型，并将其在不平衡数据集上进行测试，作为基准比较组。
（2）改变分类决策阈值：在基准模型的基础上，在测试时改变分类决策阈值，以探究改变分类决策阈值对不平衡分类数据的影响。
（3）重采样：在基准模型的基础上，使用重采样（如欠采样、过采样等）方法，进行训练和测试，并探究重采样对不平衡分类数据的影响。
3.实验结果
对实验结果进行分析，得出以下结论：
（1）基于不同的不平衡分类数据集，使用不同的算法可能会获得不同的效果。
（2）改变分类决策阈值可以提升少数类别的精度，但是可能会导致多数类别的精度下降。
（3）重采样方法可以缓解不平衡分类数据问题，但是重采样方法的效果与具体的重采样方法、数据集特点等因素有关。
（4）综合考虑多种优化方法，可能可以获得更好的效果。
4.报告撰写
在分析实验结果的基础上，撰写实证研究报告，包含以下内容：
（1）研究背景和研究目的
（2）数据集的描述和实验方法的设计
（3）实验结果的分析和结论
（4）研究应用和局限，以及对未来研究的展望
三、研究要求
1.要求使用Python等程序设计语言实现实验，使用JupyterNotebook等工具实现代码和实验过程的记录和演示。
2.实验中涉及的数据集和相关文献要求完善引用和注释。
3.报告撰写要求参照国际会议或期刊论文的要求，包括结构清晰、语言规范、引用文献准确等。
四、成果要求
1.实验代码和实验记录（包括使用的数据集、实验过程记录）。
2.实验报告，文章长度不少于1200字。
3.需要参加课堂汇报或进行在线汇报。
五、时间安排
实验时间：15周
第1-4周：收集数据集、阅读文献、确定实验方案
第5-9周：实验代码的编写、实验过程记录
第10-13周：实验结果分析、撰写实验报告
第14周：课堂汇报或进行在线汇报
第15周：修改并提交实验成果