Mejora de los algoritmos de ML para conjuntos de datos desequilibrados
Mitigar el sesgo de los datos desequilibrados
Versandkostenfrei!
Versandfertig in 1-2 Wochen
34,99 €
inkl. MwSt.
PAYBACK Punkte
17 °P sammeln!
La gran cantidad de datos generados en línea ha permitido a los científicos de datos analizar esta información y extraer conclusiones en diversos campos. Sin embargo, los datos en tiempo real son a menudo propensos al desequilibrio, lo que puede degradar la calidad de los datos y plantea un reto importante en el ámbito del aprendizaje automático. Las técnicas basadas en muestreos y los modelos basados en algoritmos son dos métodos principales utilizados para abordar y equilibrar el desequilibrio de los datos. Esta tesis presenta tres técnicas distintas para gestionar diferentes niveles...
La gran cantidad de datos generados en línea ha permitido a los científicos de datos analizar esta información y extraer conclusiones en diversos campos. Sin embargo, los datos en tiempo real son a menudo propensos al desequilibrio, lo que puede degradar la calidad de los datos y plantea un reto importante en el ámbito del aprendizaje automático. Las técnicas basadas en muestreos y los modelos basados en algoritmos son dos métodos principales utilizados para abordar y equilibrar el desequilibrio de los datos. Esta tesis presenta tres técnicas distintas para gestionar diferentes niveles de desequilibrio en los datos en tiempo real.El enfoque inicial propone una técnica basada en el muestreo integrada con el mecanismo de bagging para gestionar el desequilibrio de datos. El modelo identifica el desequilibrio de datos basado en clases y realiza un sobremuestreo para cada clase disponible. El mecanismo de bagging consiste en crear subconjuntos de los datos de entrenamiento, con el objetivo de variar los niveles de desequilibrio en los datos de entrenamiento para garantizar una predicción eficaz. A pesar de ello, el efecto del desequilibrio persiste en el mecanismo de predicción, dando lugar a la clasificación incorrecta de varias clases minoritarias.
Andere Kunden interessierten sich für
