Nouvelle méthode pour améliorer l'extraction de données multi-classes déséquilibrées

By Marwa Al-Roby

Le d s quilibre des classes est l'un des probl mes les plus difficiles r soudre pour les techniques d'exploration de donn es et d'apprentissage automatique. Dans les applications du monde r el, les donn es pr sentent souvent une r partition d s quilibr e des classes. Cela se produit lorsque la plupart des exemples appartiennent une classe majoritaire et que peu d'exemples appartiennent une classe minoritaire. Dans ce cas, les classificateurs standard ont tendance classer tous les exemples dans la classe majoritaire et ignorer compl tement la classe minoritaire. Pour ce probl me, les chercheurs ont propos de nombreuses solutions au niveau des donn es et des algorithmes. La plupart des efforts se concentrent sur les probl mes de classes binaires. Cependant, la classe binaire n'est pas le seul sc nario o le probl me du d s quilibre des classes se pose. Dans le cas d'ensembles de donn es multi-classes, il est beaucoup plus difficile de d finir les classes majoritaires et minoritaires. C'est pourquoi la classification multi-classes dans des ensembles de donn es d s quilibr s reste un sujet de recherche important. Dans notre livre, nous avons propos une nouvelle approche bas e sur SOMTE (Synthetic Minority Over-sampling TEchnique) et le clustering qui est capable de traiter le probl me des donn es d s quilibr es impliquant des classes multiples. Nous avons mis en oeuvre notre approche en utilisant des outils d'apprentissage automatique open source: Weka et RapidMiner.

• Format: Paperback
• Language: French
• ISBN: 6206378454
• ISBN13: 9786206378457
• Release Date: August 2023
• Publisher: Editions Notre Savoir
• Length: 72 Pages
• Weight: 0.26 lbs.
• Dimensions: 0.2" x 6.0" x 9.0"