یہ غیرضروری کارکردگی دوسروں کے مقابلے میں بعض طبقات میں قابلِ‌غور ہے ۔

عام تکنیکوں کو آواز‌دہ کلاس کے لئے استعمال کِیا جاتا ہے

نیٹ ورک میں موجود کلاس کی عدم موجودگی کے لیے کئی طریقے استعمال کیے جاتے ہیں ان تکنیکوں کا اطلاق انفرادی طور پر کیا جا سکتا ہے یا پھر بہتر نتائج کے لیے ملا کر کیا جا سکتا ہے۔

ڈیٹا-لول ڈرائنگس

ڈیٹا سطح کے قریبی ترقی یافتہ ڈیٹا سیٹ میں توازن کی تقسیم کے لیے اعداد و شمار کی تبدیلی۔ ان میں شامل ہیں:

  • Oversampling: [1] کم عمر طبقے کی تعداد کو کم کرنے، اکثر ڈاکیشن یا انفلیشن ڈیٹا بیس نسل کے ذریعے حاصل کیا جاتا ہے۔
  • اکثریتی جماعتوں کی تعداد کو کم درجہ بندی کے لیے دوبارہ منظم کیا۔
  • ] ایس ایم ٹی:] سنتھیک کور لمیٹڈ پریوار-سملنگ ٹیکنیک نے کم عمر طبقے کے لیے نئے نئے نمونے بنائے ہیں۔

الغورۃ الم-لویل کرناٹک -

یہ طریقے سیکھنے کے لیے الارم کو بہتر طور پر حل کرنے کے لیے تبدیل کرتے ہیں

  • Cost-senistive and sency: زیادہ سے زیادہ غلط قیمتوں کو کم درجہ بندی کے لیے استعمال کیا جاتا ہے۔
  • Focwal کھوسہ: مشکل- درجے کی مثالوں پر توجہ دینے کی تربیت، آسان منفی اثرات کو کم کرنے کے ساتھ ساتھ.

حقیقی-world Data مثالیں

طبی تشخیص میں اکثر اعدادوشمار میں مثبت کیفیات ہوتی ہیں۔ اوپر کی کارکردگی یا ایم‌ٹی‌ٹی‌ٹی کا اطلاق ماڈل حساسیت کو بہتر بنا سکتا ہے ۔