简介：传统的随机森林算法对不平衡数据集分类效果不理想，为提高随机森林算法的分类性能，提出一种改进的欠采样算法（IUS），该算法去除了多类样本中的冗余信息和噪声样本，并且与SMOTE算法相结合实现训练样本数据集的均衡。实验结果表明，该算法能有效提高随机森林算法对于少数类样本的分类精度，同时也提高了总体的分类性能。
基于IUS和SMOTE结合的不平衡数据随机森林分类算法研究
