SMOTEBoost

分类非平衡数据的SMOTEboost算法 imbalance problem in data with discrete class labels. It uses a combination of SMOTE and the standard boosting procedure AdaBoost to better model the minority cl

function prediction = ClassifierPredict（datamodel）
% Predicting the labels of the test instances
% Input: data = test data
%        model = the trained model
%        type = type of classifier
% Output: prediction = prediction labels

javaaddpath（‘weka.jar‘）;

CSVtoARFF（data‘test‘‘test‘）;
test_file = ‘test.arff‘;
reader = javaobject（‘java.io.FileReader‘ test_file）;
test = javaobject（‘weka.core.Instances‘ reader）;
test.setClassIndex（test.numAttributes（） - 1）;

prediction = [];
for i = 0 : size（data1） - 1
    p = model.classifyInstance（test.instance（i））;
    prediction = [prediction; p];
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2012-06-25 23:18  SMOTEBoost\
     文件         209  2012-06-25 18:10  SMOTEBoost\ARFFheader.txt
     文件         621  2012-06-25 18:11  SMOTEBoost\ClassifierPredict.m
     文件        1013  2012-01-18 02:58  SMOTEBoost\ClassifierTrain.m
     文件         914  2012-01-17 21:58  SMOTEBoost\CSVtoARFF.m
     文件       24192  2011-11-22 21:16  SMOTEBoost\data.csv
     文件        3102  2012-06-25 23:17  SMOTEBoost\README.txt
     文件        7971  2012-06-25 18:36  SMOTEBoost\SMOTEBoost.m
     文件         883  2012-06-25 23:17  SMOTEBoost\Test.m
     文件     6467130  2011-10-28 17:57  SMOTEBoost\weka.jar
     文件        1331  2012-06-26 02:29  license.txt