Khi một lớp học vượt trội hơn những lớp khác, mô hình có thể trở nên thiên vị, dẫn đến thành tích kém trong lớp thiểu số.

Hiểu các bộ dữ liệu cân bằng

Một bộ dữ liệu bị mất cân bằng xảy ra khi sự phân bố của các lớp không đều đặn.

Công nghệ đường dẫn dữ liệu

Kỹ thuật dữ liệu sửa đổi bộ dữ liệu thành phân phối cân bằng.

  • Quá trình câu đố: tăng số mẫu nhỏ, thường sử dụng kỹ thuật như SMOTE.
  • Dưới tái tạo các mẫu lớp đa số để phù hợp với kích thước lớp học thiểu số.
  • Phụ đề được thực hiện bởi Động Phim - Cave Subbing Team

Thuật toán- môn vận động tĩnh mạch

Điều chỉnh các thuật toán học cũng có thể địa chỉ sự mất cân bằng giai cấp.

  • [Fst- nhạy cảm học tập: gán chi phí phân loại cao hơn cho lỗi giai cấp thiểu số.
  • Điều chỉnh trọng lượng lớp học thay đổi tầm quan trọng của lớp học trong quá trình đào tạo mô hình.
  • Phương pháp dễ hiểu:) kết hợp nhiều mô hình để cải thiện việc nhận diện lớp học thiểu số.

Đo lường

Sử dụng các số đo là thiết yếu để đánh giá hiệu suất mô hình về dữ liệu bị mất cân bằng.

  • Chương trình: tỷ lệ tích cực đúng giữa các tích cực được dự đoán.
  • Gọi lại: tỷ lệ của các tích cực thực sự được xác định chính xác.
  • Điểm F1: Sự hòa hợp có nghĩa là chính xác và nhớ lại.
  • đo khả năng phân biệt lớp học.