Analyse der Klassifizierung für unausgewogene Daten [German]

By S. Sinduja and Dharmendra Singh Rajput

berall auf der Welt werden enorme Datenmengen gesammelt und in Datenbanken gespeichert. Diese Daten werden geb ndelt und nehmen jedes Jahr zu. Das Extrahieren von Informationen, die in solchen Datenbanken verborgen sind, und das Klassifizieren der extrahierten Informationen sind die wichtigsten Aufgaben beim Data Mining. Wenn solche Datens tze unausgewogen sind, wird es schwierig, sie zu verarbeiten. Denn die Vorhersage der Zukunft ist eine der grundlegenden Aufgaben im Data Mining. Die Arbeit mit unausgewogenen Datens tzen zur Vorhersage der m glichen Ergebnisse ist eine sehr m hsame Aufgabe. Ein Datensatz ist unausgewogen, wenn er nicht korrekt klassifiziert ist, wenn eine Klasse mehr Instanzen enth lt als andere. Sie werden oft als positive Klasse (Minderheit) und negative Klasse (Mehrheit) dargestellt. Die Klasse mit der geringeren Anzahl von Stichproben wird als Minderheitsklasse bezeichnet, die mit der h heren Anzahl als Mehrheitsklasse. Ein unausgewogener Datensatz verursacht viele schwerwiegende Probleme beim Data Mining, da der Standard-Klassifizierungsalgorithmus den Datensatz meist als ausgewogen betrachtet, was wiederum zu einer partiellen Bevorzugung der Mehrheitsklasse f hrt. Bei Anwendungen wie der medizinischen Diagnose hat dies sehr schwerwiegende Auswirkungen. Daher ist ein ausgeglichener Datensatz f r viele Echtzeitanwendungen entscheidend.

• Format: Paperback
• Language: German
• ISBN: 6206345424
• ISBN13: 9786206345428
• Release Date: August 2023
• Publisher: Verlag Unser Wissen
• Length: 72 Pages
• Weight: 0.26 lbs.
• Dimensions: 0.2" x 6.0" x 9.0"