RB-CCR: Radial-Based Combined Cleaning and Resampling algorithm for\n imbalanced data classification
Notice bibliographique
Résumé
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».