BriefGPT - AI 论文速递
·
合成少数类过采样技术（SMOTE）的量子方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了量子SMOTE方法，通过使用量子计算技术解决机器学习数据集中的类别不平衡问题。该方法利用量子过程生成合成数据点，使得少数类数据点能够产生合成实例。算法引入了旋转角度、少数类比例和分割因子等超参数，使合成数据生成过程具备更大的控制性和定制化。在TelecomChurn数据集上与随机森林和逻辑回归进行比较评估，验证了该方法在不同比例的合成数据下的影响。
🎯
关键要点
- 提出了量子SMOTE方法，利用量子计算技术解决类别不平衡问题。
- 通过量子过程生成合成数据点，使少数类数据点能够产生合成实例。
- 算法引入旋转角度、少数类比例和分割因子等超参数，增强合成数据生成的控制性和定制化。
- 在TelecomChurn数据集上与随机森林和逻辑回归进行比较评估，验证了方法的有效性。
🏷️
标签
➡️
