BriefGPT - AI 论文速递
·
在核空间中基于边缘化少数群体的 SMOTE 解决不平衡数据中的分类歧视
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于聚类的过采样方法，通过生成新的少数派样本来改善类别不平衡数据上的学习。实验结果表明该方法在评估指标上表现更好。
🎯
关键要点
- 提出了一种基于聚类的过采样方法。
- 该方法通过少数派样本与聚类中心点之间的距离生成新的少数派样本。
- 在不影响多数派学习的基础上，改善了类别不平衡数据的学习。
- 采取措施防止异常值产生和过度拟合。
- 深度神经网络实验结果显示该方法在评估指标上表现更好。
➡️
