深入理解机器学习——类别不平衡学习(Imbalanced Learning):样本采样技术-[人工采样技术之ADASYN采样法]

网友投稿 1152 2022-11-16

深入理解机器学习——类别不平衡学习(Imbalanced Learning):样本采样技术-[人工采样技术之ADASYN采样法]

深入理解机器学习——类别不平衡学习(Imbalanced Learning):样本采样技术-[人工采样技术之ADASYN采样法]

分类目录:​​《深入理解机器学习》总目录​​

与Borderline-SMOTE算法相类似,ADASYN(Adaptive Synthetic Sampling)算法也是一种改进的SMOTE算法。该算法于2008年提出,其主要思想是充分利用样本的密度分布信息来确定各少数类样本用作主样本的频次,为少数较难学习的类别样本合成更多的训练数据,从而尽可能修正类别不平衡分布所产生的负面影响。

从上式不难看出,与Borderline-SMOTE算法相似,ADASYN算法更关注那些位于决策边界附近的少数类样本,它们被选作主样本的频次远远高于那些位于少数类决策区域内的样本。当然,这也会进一步放大少数类噪声信息的传播强度,ADASYN算法的具体流程如下:

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:lammps一对一课程学习大纲
下一篇:深入理解机器学习——类别不平衡学习(Imbalanced Learning):样本采样技术-[人工采样技术之SMOTE采样法及Borderline-SMOTE采样法]
相关文章

 发表评论

暂时没有评论,来抢沙发吧~