Novo método para melhorar a extração de dados desequilibrados multi-classe - Al-Roby, Marwa;ElHalees, Alaa
23,99 €
inkl. MwSt.

Versandfertig in 6-10 Tagen
payback
12 °P sammeln
  • Broschiertes Buch

O desequilíbrio das classes é um dos problemas mais difíceis para as técnicas de extração de dados e de aprendizagem automática. Os dados em aplicações do mundo real têm frequentemente uma distribuição de classes desequilibrada. Isto ocorre quando a maioria dos exemplos pertence a uma classe maioritária e poucos exemplos pertencem a uma classe minoritária. Neste caso, os classificadores padrão tendem a classificar todos os exemplos como uma classe maioritária e a ignorar completamente a classe minoritária. Para este problema, os investigadores propuseram muitas soluções, tanto a nível dos…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
O desequilíbrio das classes é um dos problemas mais difíceis para as técnicas de extração de dados e de aprendizagem automática. Os dados em aplicações do mundo real têm frequentemente uma distribuição de classes desequilibrada. Isto ocorre quando a maioria dos exemplos pertence a uma classe maioritária e poucos exemplos pertencem a uma classe minoritária. Neste caso, os classificadores padrão tendem a classificar todos os exemplos como uma classe maioritária e a ignorar completamente a classe minoritária. Para este problema, os investigadores propuseram muitas soluções, tanto a nível dos dados como a nível algorítmico. A maioria dos esforços concentra-se em problemas de classe binária. No entanto, a classe binária não é o único cenário em que o problema do desequilíbrio de classes prevalece. No caso de conjuntos de dados multi-classe, é muito mais difícil definir as classes maioritária e minoritária. Assim, a classificação multi-classe em conjuntos de dados desequilibrados continua a ser um importante tópico de investigação. No nosso livro, propusemos uma nova abordagem baseada em SOMTE (Synthetic Minority Over-sampling TEchnique) e clustering que é capaz de lidar com o problema de dados desequilibrados envolvendo múltiplas classes. Implementámos a nossa abordagem utilizando ferramentas de aprendizagem automática de código aberto: Weka e RapidMiner.
Autorenporträt
Marwa F. Al-Roby, conférencière en informatique, titulaire d'une maîtrise en technologie de l'information. Elle travaille actuellement comme professeur d'informatique en Arabie saoudite. Alaa M. ElHalees, professeur d'informatique, titulaire d'un doctorat en exploration de données, travaille actuellement comme professeur à la faculté des technologies de l'information de l'université islamique de Gaza.