- Towards Inter-class and Intra-class Imbalance in Class-imbalanced Learning [24.0]
不均衡学習(IL)は、データマイニングアプリケーションに広く存在する重要な問題である。 本稿では,多目的アンサンブル学習フレームワークである Duple-Balanced Ensemble について述べる。 一般的な手法とは異なり、DUBEは、重い距離ベースの計算に頼ることなく、クラス間およびクラス内バランスに直接対処する。
論文 参考訳（メタデータ） (Wed, 24 Nov 2021 20:50:54 GMT)- 現実の問題でよく見かける不均衡データに対応するフレームワーク、ライブラリ。SMOTEBoost (2003)、RUSBoost (2010)から最近のSPE (2020)まで、再サンプリングからコストセンシティブな学習まで、15以上のアンサンブルの不均衡な学習アルゴリズムが含まれているとのこと。
- ドキュメントも整備されていて使いやすそうな印象。
- リポジトリはGitHub – ZhiningLiu1998/imbalanced-ensemble: Class-imbalanced / Long-tailed ensemble learning in Python | 在类别不平衡/长尾分布数据上部署集成学习算法、ドキュメントはWelcome to imbalanced-ensemble documentation! — imbalanced-ensemble 0.1.6 documentation
- 現実の問題でよく見かける不均衡データに対応するフレームワーク、ライブラリ。SMOTEBoost (2003)、RUSBoost (2010)から最近のSPE (2020)まで、再サンプリングからコストセンシティブな学習まで、15以上のアンサンブルの不均衡な学習アルゴリズムが含まれているとのこと。