ความ ไม่ สมดุล ใน ชั้น เรียน เกิด ขึ้น เมื่อ มี การ เปรียบ เทียบ ข้อมูล ใน ชั้น เรียน บาง รุ่น กับ ชั้น เรียน อื่น ๆ อย่าง น้อย ๆ ความ ไม่ สมดุล นี้ อาจ ทํา ให้ ไม่ ได้ ผล งาน รุ่น ที่ ไม่ ดี โดย เฉพาะ งาน ที่ จัด ประเภท ไว้ สําหรับ ชน ชั้น ชน ที่ มี จํานวน น้อย.

เทคนิกทั่วไปถึงคลาสที่อยู่

มี การ ใช้ หลาย วิธี เพื่อ ลด ความ ไม่ สมดุล ใน ระบบ ประสาท.

วิธีการของข้อมูล- elve

อัตราการไล่ระดับข้อมูลจะเข้าใกล้การแก้ไขชุดข้อมูลเพื่อการกระจายข้อมูลระดับสมดุล ซึ่งรวมถึง:

  • [FLT: 0] oversampling: เพิ่มจํานวนตัวอย่างชนชั้นย่อยมากขึ้น บ่อยครั้งผ่าน dugraphing หรือสังเคราะห์ข้อมูล
  • [FLT: 0] transcamping: ทําซ้ําจํานวนตัวอย่างชนชั้นส่วนใหญ่ให้ตรงกับกลุ่มชนกลุ่มน้อย
  • [FLT: 0]. สืบค้นเมื่อ: miminitic over-sampling Technic สร้างขึ้นตัวอย่างสังเคราะห์ใหม่สําหรับชนชั้นชนกลุ่มน้อย.

อัลกอริต- เลเวลเทคนิก

วิธี เหล่า นี้ ได้ ปรับ วิธี การ เรียน รู้ ให้ ดี ขึ้น เพื่อ จัด การ กับ ข้อมูล ที่ ไม่ สมดุล.

  • [FLT: 0] การเรียนรู้ที่ละเอียดอ่อน : กําหนดค่าใช้จ่ายระดับชั้นที่ผิดพลาดสูงขึ้นสําหรับชนกลุ่มน้อย
  • [FLT: 0] การสูญเสียทางอ้อม : โฟกัสการฝึกอบรมบนตัวอย่างการสอนแบบฮาร์ด-คลาส ลดผลกระทบของลบง่าย ๆ

ตัวอย่างข้อมูลโลกจริง

การ ใช้ การ สังเคราะห์ หรือ การ ใช้ ส โม เต้ มาก เกิน ไป อาจ ช่วย ให้ ความ ไว ของ รุ่น ดี ขึ้น ได้