การจัดหมวดหมู่ของวิธีการที่จะจัดการกับคลาสที่ไม่สมดุล

เป็นวิธีที่ดีที่สุดในการจัดหมวดหมู่วิธีการที่ได้รับการพัฒนาเพื่อจัดการกับปัญหาระดับความไม่สมดุลคืออะไร?

นี้บทความแบ่งพวกเขาออกเป็น:

1. การประมวลผลล่วงหน้า: รวมถึงการ oversampling, undersampling และ hybrid
2. การเรียนรู้ที่มีความอ่อนไหวด้านต้นทุน: รวมถึงวิธีการโดยตรงและการเรียนรู้แบบ meta-learning
3. เทคนิคของ Ensemble: ประกอบด้วยตระการตาที่ไวต่อราคาและการประมวลผลข้อมูลล่วงหน้าร่วมกับการเรียนรู้ทั้งมวล

การจำแนกประเภทที่สอง :

1. การประมวลผลข้อมูลล่วงหน้า: รวมถึงการเปลี่ยนแปลงการกระจายและการถ่วงน้ำหนักพื้นที่ข้อมูล การเรียนรู้แบบชั้นเดียวถือเป็นการเปลี่ยนการกระจาย
2. วิธีการเรียนรู้จุดประสงค์พิเศษ
3. การคาดการณ์หลังการประมวลผล: รวมถึงวิธีการตามเกณฑ์และการประมวลผลภายหลังที่มีความอ่อนไหวด้านต้นทุน
4. วิธีไฮบริด:

บทความที่สาม:

1. วิธีการระดับข้อมูล
2. วิธีการระดับอัลกอริทึม
3. วิธีไฮบริด

การจำแนกประเภทสุดท้ายยังพิจารณาการปรับปรุงผลลัพธ์เป็นแนวทางอิสระ

ขอบคุณล่วงหน้า.

วิธีที่ฉันเห็นมันทั้งสามหมวดหมู่เห็นด้วยในหลายสิ่ง ตัวอย่างเช่นทั้งสามมีหมวดหมู่สำหรับขั้นตอนการประมวลผลล่วงหน้า

ฉันมักจะเห็นด้วยกับการจัดหมวดหมู่ที่สามเป็นส่วนใหญ่ทั่วไปและครอบคลุมสิ่งเพิ่มเติม

• ข้อมูลระดับหมวดหมู่รวมถึงขั้นตอนก่อนการประมวลผลใด ๆ จัดการกับความไม่สมดุลของระดับ (เช่นโอเวอร์ / อันเดอร์สุ่มตัวอย่าง)
• ระดับขั้นตอนวิธีการอาจจะพิจารณารวมถึงประเภทที่สองของบทความสองคนแรก การเปลี่ยนแปลงอัลกอริธึมที่เกี่ยวข้องกับความไม่สมดุลของคลาสจะไปที่นี่ (เช่นการกำหนดน้ำหนักคลาส)
• ในที่สุดหมวดหมู่ไฮบริดสำหรับการรวมสองรายการ

สิ่งเดียวที่ขาดหายไปจากบทความสองบทความแรกคือขั้นตอนหลังการประมวลผลซึ่งตรงไปตรงมาไม่ได้ใช้ในทางปฏิบัติบ่อยเท่าที่อื่น ๆ