Introducing DART: A Novel Deep Adaptive Upsampling Technique for Handling Class Imbalance
Notice bibliographique
Résumé
ABSTRACT Class imbalance remains a persistent challenge in predictive modeling, often leading to biased machine learning outcomes that disproportionately favor the majority class. This study investigates the effectiveness of advanced resampling techniques—both undersampling and oversampling—across two large and highly imbalanced datasets involving credit and loan default prediction. In addition to evaluating established oversampling techniques, the study introduces and validates a novel resampling approach, Deep Adaptive Resampling Technique (DART). Each technique is assessed using a consistent suite of classifiers, including logistic regression, gradient descent, naïve Bayes, random forest, CatBoost, and artificial neural networks. The results reveal that K‐MeansSMOTE and NearMiss outperform other resampling strategies in oversampling and undersampling, respectively, by achieving balanced trade‐offs in precision, recall, F1 score, AUC, and Matthews correlation coefficient. Notably, DART demonstrates exceptional performance across both datasets, achieving nearly perfect classification scores across all metrics, suggesting strong generalizability and robustness. The study further analyzes the strengths and limitations of each resampling technique and emphasizes the importance of metric selection when evaluating imbalanced datasets. By integrating empirical evaluation with theoretical insights, this research contributes to the growing body of literature on imbalanced learning and offers practical guidance for selecting appropriate resampling strategies. These findings have broader implications for domains such as finance, healthcare, and fraud detection, where class imbalance is common. Overall, the study affirms the value of hybrid and adaptive resampling methods in building more accurate and generalizable predictive models.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».