随着计算机和网络技术的极速发展,数据信息的重要性愈发明显,源于二分类任务里数据偏态问题的不平衡数据,渗透到了生活的多个领域之中。近年来,对于不平衡数据的研究既是一个热点也是一个难点问题。通过不平衡数据能反映出更具有价值的信息,因此研究提高不平衡数据分类中的少数类样本的准确率,挖掘出不平衡数据背后的价值具有重大的意义。现阶段对不平衡数据集的处理主要集中在两个层面上:一是在算法层面上,通过编写新算法或者改进旧算法的方法,令不平衡数据的分类有效;另一个是在数据层面上,在具体分析前,对数据进行预处理,对数目多的样本做欠抽样处理或对数目少的样本进行过抽样,令其相对平衡。主要在数据层面对不平衡数据集进行研究。首先,将试验设计聚类分析相结合,利用正交试验设计选取部分具有代表性方案代替全面试验,通过方差分析法对结果进行分析,剔除不平衡数据中占多数数据繁冗部分,提取最具代表性理想组合样本作为聚类中心。其次,通过研究分析选取处理速度快、占用内存小且适合大样本分析的K-Means聚类分析的方法对不平衡数据进行欠抽样,利用Logistic回归模型对欠抽样结果进行回代检测。接着,通过数据集进行了实证分析,结果表明采用试验设计与聚类相结合方法进行过欠抽样,不仅聚类算法的收敛速度得到一定程度的提升,而且在进行Logistic回归模型分析时,经过欠抽样处理数据的模型拟合度及回代准确率比之未经处理的数据有较大提高。数据集1由原来56.1%的提高78.8%,且检验样本的正判率达到89%,数据集2由原来的53.3%提高到71.0%,且检验样本的正判率达到86%。最后,为探讨本算法的适用性,对各种不平衡程度的数据集的不平衡数据处理前后Logistic回模型的拟合度进行了比较分析,结果表明方法较适合于不平衡度较低的不平衡数据集。图6幅;表52个;参62篇。