近年来,机器学习作为人工智能的重要一部分,越来越被人们熟知。面对庞大的数据量,人工进行数据处理、数据分析已经极不现实,采用机器学习方法是当今不可逆转的发展趋势。不平衡分类是机器学习中的一个热门课题,其应用在现实生活中广泛存在,在诸如疾病诊断、信用卡欺诈消费、网络入侵检测等方面有着极大影响。在不平衡分类中,以往的传统分类器以提高总体的分类精度作为目标,无法真正反映出分类器的实际性能,且对少数类的分类精度较差。因此如何提高不平衡分类的分类精度一直是相关领域中的研究热点,学者们也提出了许多有效的策略。通过国内外文献的分析,本文认为可以通过改进欠采样方法来提高分类精度。不平衡分类中,欠采样方法是改善数据不平衡现象的经典方法之一,该方法通过一定策略来减少数据集中多数类的数量来平衡不同样本的数量,如随机抽样策略。但欠采样算法丢弃了大量有用的多数类数据,并放大了多数类样本的噪声比例,改变了原始数据分布,因而噪声样本在该算法的实际应用中影响了分类效果。针对已有欠采样方法容易保留多数类噪声样本的问题,文中提出了一种基于聚类融合欠采样的RUIF欠采样算法。该算法通过结合聚类融合与孤立森林(Isolation Forest,iForest)方法来筛选、删除噪声样本,有效提高了模型中的样本质量,进而有利于对少数类的分类。之后该算法结合XGboost算法,得到了RUIF-XG算法,用于处理不平衡分类问题。在UCI和KEEL数据库中选取七个数据集,实验结果表明,相比其它欠采样算法或直接分类方法,RUIF-XG算法在处理不平衡分类问题时,分类结果中的AUC值和F1值均有一定程度的提升,并使用Wilcoxon检验来分析实验结果,证明评估指标的提升具有显著性差异,使实验结论更具说服力。最后将算法应用在蛋白质的亚细胞定位预测。结果表明,本文算法能够改善预测效果,AUC值和F1值比直接分类分别提高了11.83%与6.97%,比次优欠采样算法分别提高了2.72%与2.54%。同时,本文仍然存在一些不足之处。一方面,异常检测算法Isolation Forest具有一定的使用条件,即对子样本集数量大小的要求、对噪声的定义;另一方面,本文算法中的一些参数,如聚类次数、噪声删除比例等难以得到最优值,只能以经验值代入。在今后的研究中,可以从这几个方面入手,进一步完善模型理论,提高结论的科学性与有效性。