Search for: [Abstrakt = "Nierówność danych \(ang. data imbalance\) jest jednym z najpowszechniejszych problemów przy zadaniu klasyfikacji. W uczeniu maszynowym próbka danych ma stanowić wiarygodne odzwierciedlenie całości populacji. Jednak równie istotny jest fakt, żeby była zbudowana w sposób, który zapewni modelowi najlepsze warunki w procesie uczenia. Znalezienie równowagi między tymi dwoma aspektami stanowi jedno z wyzwań współczesnego data science. Celem tego artykułu jest sprawdzenie skuteczności różnych metod rozwiązania problemu nierównowagi danych. W tym celu stworzono kilka modeli klasyfikacji binarnej korzystających ze zbioru danych dotyczących oszustw związanych z kartami kredytowymi. Wykorzystano w nich różne sposoby rozwiązania problemu nierównowagi danych w celu porównania skuteczności klasyfikacji każdego z nich. Została do tego użyta autorska miara skuteczności wykorzystująca wskaźnik F1 modelu oraz czas wykonania kodu."]

Number of results: 1