Table of Contents
শ্রেণীগত ভারসাম্যের ক্ষেত্রে গুরুত্বপূর্ণ বিষয় হচ্ছে, যখন কোন তথ্যবিবর্তনের মাধ্যমে অন্যদের তুলনায় উল্লেখযোগ্যভাবে কম সংখ্যক শ্রেণীকে সমানভাবে কম গুরুত্ব প্রদান করা হয়।
Imined Internet দ্বারা সাধারণ টেকনক
এই পদ্ধতিগুলোকে ব্যক্তিগতভাবে অথবা আরও ভাল ফলাফলের জন্য ব্যবহার করা যেতে পারে ।
তথ্য- স্তর
তথ্য- লেভেল, শ্রেণী বন্টনের তথ্য সমন্বয় সাধনের জন্য তথ্য-লেভেলের দিকে এগিয়ে যাচ্ছে। এগুলোর মধ্যে রয়েছে:
- [[FLT] [FOpspsing:[FFLT] সংখ্যালঘু ক্লাসের নমুনার সংখ্যা বৃদ্ধি পায়, প্রায়ই যোজ বা সিনথেটিক তথ্য প্রজন্মের মাধ্যমে ।
- [[FLT]UROPERSI:[[FFLT] সংখ্যা সংখ্যাগুলো সংখ্যালঘু শ্রেণীর সঙ্গে মিল রেখে সংখ্যাসূচক ক্লাসের সংখ্যাকে হ্রাস করে ।
- [[FLT] SOTE:[FLT][[FFLT] টেকনেটিক হাইলাইটসমূহ নিম্নমুখী সাইনিং টেকনেটিকের মাধ্যমে সংখ্যালঘু শ্রেণীর জন্য নতুন করে সাজানো যায়।
অ্যালগোরিদম- স্তর টেকনক
উদাহরণ স্বরূপ, উদাহরণ হিসেবে বলা যায়, এই পদ্ধতিগুলো বিবেচনা করুন:
- [[[[[F]]CRECT]]]] অক্ষর শিক্ষা:[[FLT] সংখ্যালঘু শ্রেণীতে অধিক অপ্রচলিত মান রয়েছে ।
- [[F] FF[FOPR] হার্ড- ক্লাস্যসম্পন্ন উদাহরণের উপর ফোকাস করে, সহজ নেতিবাচক প্রভাব কমিয়ে দেয় ।
বাস্তব-বিশ্ব তথ্য উদাহরণ
চিকিৎসাবিজ্ঞানে, ডাটাসেটের ক্ষেত্রে প্রায়ই কম ইতিবাচক ঘটনা ঘটে।