ترجمه اینترنتی متن کامپیوتر ـ روشی برای طبقه بندی داده های بسیار نامتعادل

ترجمه اینترنتی  متن کامپیوتر ـ روشی برای طبقه بندی داده های بسیار نامتعادل

Real-world datasets commonly have issues with data imbalance. There are several approaches such as weighting, sub-sampling, and data modeling for handling these data. Learning in the presence of data imbalances presents a great challenge to machine learning. Techniques such as support-vector machines have excellent performance for balanced data, but may fail when applied to imbalanced datasets. In this paper, we propose a new undersampling technique for selecting instances from the majority class. The performance of this approach was evaluated in the context of several real biological imbalanced data. The ratios of negative to positive samples vary from 9:1 to 100:1. Useful classifiers have high sensitivity and specificity. Our results demonstrate that the proposed selection technique improves the sensitivity compared to weighted support-vector machine and available results in the literature for the same datasets.

 

 

مجموعه های داده ای جهان واقعی با داده های نامتعادل سر و کار دارند. روش های مختلفی مانند وزن کشی و نمونه‌برداری تحتانی و شبیه ساری داده ها برای سازمان‌دهی این داده ها وجود دارد. یادگیری در حضور داده های نامتعادل چالش بزرگی برای یادگیری ماشین است. تکنیک هایی مانند پشتیبانی برداری ماشین ها کارایی بسیار خوبی برای داده های متعادل دارند، اما ممکن است هنگام فرض یک تکنیک نمونه گیری تحتانی جدید برای مجموعه داده های نامتعادل با شکست مواجه شود.. در این مقاله، ما یک تکنیک نمونه‌گیری تحتانی برای انتخاب نمونه ها از طبقه اکثریت معرفی می کنیم. اجرای این روش در زمینه ی داده های نامتعادل زیست شناسی واقعی مختلفی ارزیابی شده است. نسبت منفی به مثبت از 9:1 تا 100:1 متغیر است. طبقه بندی مفید حساسیت و صراحت بالایی  دارد. نتیجه ی ما نشان می دهد که تکنیک انتخاب ارایه شده حساسیت را در مقایسه با ماشین پشتیبان بردار وزن کشی شده و نتایج موجود در ادبیات برای همان مجموعه داده نشان می دهد.

 

تماس باما

آدرس : تهران - جنت آباد جنوبی - خیابان پنجم – پلاک47

 شماره تلفن : 02144648626

 شماره تلفن : 02144648681

شماره همراه : 09129227837

تماس با وایبر هم مقدرو می باشد

پست الکترونیک : Daneshjoonline1@Gmail.com

/ 0 نظر / 7 بازدید