MétaCan
Menu
Retour à la cohorte
Enregistrement W4287183744 · doi:10.48550/arxiv.2105.04009

RB-CCR: Radial-Based Combined Cleaning and Resampling algorithm for\n imbalanced data classification

2021· preprint· en· W4287183744 sur OpenAlexaff
Michał Koziarski, Colin Bellinger, Michał Woźniak

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typepreprint
Langueen
DomaineComputer Science
ThématiqueImbalanced Data Classification Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésResamplingOversamplingBenchmark (surveying)Computer scienceBinary classificationArtificial intelligenceBinary numberPrior probabilityClass (philosophy)Data miningMachine learningPattern recognition (psychology)AlgorithmMathematicsSupport vector machineBayesian probability

Résumé

récupéré en direct d'OpenAlex

Real-world classification domains, such as medicine, health and safety, and\nfinance, often exhibit imbalanced class priors and have asynchronous\nmisclassification costs. In such cases, the classification model must achieve a\nhigh recall without significantly impacting precision. Resampling the training\ndata is the standard approach to improving classification performance on\nimbalanced binary data. However, the state-of-the-art methods ignore the local\njoint distribution of the data or correct it as a post-processing step. This\ncan causes sub-optimal shifts in the training distribution, particularly when\nthe target data distribution is complex. In this paper, we propose Radial-Based\nCombined Cleaning and Resampling (RB-CCR). RB-CCR utilizes the concept of class\npotential to refine the energy-based resampling approach of CCR. In particular,\nRB-CCR exploits the class potential to accurately locate sub-regions of the\ndata-space for synthetic oversampling. The category sub-region for oversampling\ncan be specified as an input parameter to meet domain-specific needs or be\nautomatically selected via cross-validation. Our $5\\times2$ cross-validated\nresults on 57 benchmark binary datasets with 9 classifiers show that RB-CCR\nachieves a better precision-recall trade-off than CCR and generally\nout-performs the state-of-the-art resampling methods in terms of AUC and\nG-mean.\n

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0040,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,166
Tête enseignante GPT0,244
Écart entre enseignants0,078 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetImbalanced Data Classification TechniquesTravaux en français237 207