I dati imbarcati sono comuni in molte applicazioni del mondo reale, come il rilevamento delle frodi, la diagnosi medica e il rilevamento di anomalia.

Comprendere l'equilibrio dei dati

[LT] [[Squilibrio di dati] [[Scomparso di dati] [[Scomparso]] [[Scomparso di dati] [[Scomparso di dati] [[Scomparso di] [[Scomparso di]] [[Scom]]] [[Scomparso di livello di maggioranza] [[Scom]]]] [FLT]]]] [[[[[[[[[[[FLT]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]] [[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[Squilibr]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]

Tecniche per la movimentazione di equilibratura

Diversi metodi possono mitigare gli effetti dello squilibrio dei dati, che possono essere suddivisi in metodi di livello dei dati e di livello degli algoritmi.

Metodi di lettura dati

  • Oversampling:[[] Aumentare i campioni di classe minoritaria, spesso utilizzando metodi come SMOTE, che genera punti di dati sintetici basati su campioni di minoranza esistenti.
  • Semplificazione:[] Ridurre campioni di classe di maggioranza per bilanciare il set di dati, che può rischiare di perdere informazioni preziose.
  • Hybrid si avvicina:[] Combinando sovracampionamento e sottocampionamento per ottimizzare il bilanciamento dei dati.

Metodi di Algoritmo-Livello

  • L'apprendimento sensibile ai costi:[ Assegnare maggiori costi di di disclassificazione a errori di classe minoritaria per influenzare l'attenzione del modello.
  • Metodi di assemblaggio:[] Utilizzando tecniche come aumentare per migliorare il rilevamento delle classi minoritarie.
  • Adjusting Decision soglie:[] Modificare la probabilità cutoff per favorire le previsioni di classe minoritaria.

Fondazioni matematiche

Molte tecniche sono basate su concetti statistici e matematici, ad esempio, SMOTE crea campioni sintetici interpolando tra i punti di classe minoritaria:

x[]]new[ = xi + lambda (x]j - x]i]]]]] ]]]]]]]]]]

x]i[] e ]xj][]]] sono campioni di classe di minoranza e lambda] è un numero casuale tra i dati di classe sintetica di dati di cui la funzione 1.