Feb, 2024

SMOTE 的理论和实验研究：再平衡策略的限制和比较

PDF
TL;DRSMOTE 是处理不平衡数据集的常见重平衡策略，它能通过复制原始少数样本来重新生成原始分布，同时在少数分布边界附近 SMOTE 密度消失，验证了常见的边界 SMOTE 策略。我们还介绍了两种新的 SMOTE 相关策略，并将其与最先进的重平衡程序进行比较。我们表明，只有在数据集高度不平衡时才需要重平衡策略，对于这样的数据集，SMOTE、我们的提议或欠采样程序是最佳策略。
synthetic minority oversampling techniquesmoteimbalanced data setsrebalancing strategiesundersampling procedures
发现论文，激发创造
  • SMOTE: 合成少数类过采样技术

    本文介绍了一种从不平衡数据集中构建分类器的方法，通过在少数类过抽样和多数类欠抽样的组合使用，可以在 ROC 空间中实现比 Ripper 方法和朴素贝叶斯更好的分类器性能。

    Jun, 2011

  • 基于 K-Means 和 SMOTE 的不平衡学习过采样

    本文提出了一种基于 k-means 聚类和 SMOTE 过采样的简单有效方法，可以避免产生噪音并有效地解决类内和类间不平衡的问题，在 71 个数据集上的实验结果表明，使用所提出的方法进行训练数据过采样可以提高分类结果，并且 k-means SMOTE 方法始终优于其他流行的过采样方法。

    Nov, 2017

  • 高效的混合过采样和智能欠采样用于不平衡大数据分类

    引入了一种名为 SMOTENN 的新型重采样方法，它通过使用 MapReduce 框架将智能欠采样和过采样结合在一起，从而解决了不平衡分类问题。实验结果表明，该方法在小型和中型数据集上优于替代重采样技术，并在大型数据集上达到了良好的效果且运行时间缩短。

    Oct, 2023

  • 从 SMOTE 到 Mixup 的深度不平衡分类

    通过增强传统的 SMOTE 方法并与 Mixup 结合，提出了一种统一的深度学习数据增强框架，实验结果表明该方法在深度不平衡分类任务上具有最先进的性能，并且在极度不平衡数据上也达到了优异的效果。

    Aug, 2023

  • STEM 平衡法：使用 SMOTE、最近邻编辑和混合方法解决数据不平衡问题的新方法

    使用 Mixup 增强技术和 STEM 方法解决医学影像中不平衡数据问题，研究在乳腺癌问题上的应用效果，取得了较高的 AUC 值，并在机器学习分类器集成中展现了潜在潜力。

    Nov, 2023

  • 一种基于混合采样的不平衡学习框架

    研究提出了一种新型的样本采样算法，“SMOTE-RUS-NC”，它可以通过结合三种不同的采样技术来实现数据的平衡处理，进而提高分类算法的性能，特别是能够在高度不平衡的数据集中表现出卓越的效果。

    Aug, 2022

  • 合成少数类过采样技术（SMOTE）的量子方法

    本文提出了量子 SMOTE 方法，该方法利用量子计算技术解决了机器学习数据集中存在的类别不平衡问题。通过使用交换测试和量子旋转等量子过程，Quantum-SMOTE 生成合成数据点，从而使得少数类数据点能够产生合成实例，而无需依赖邻近性。算法引入了旋转角度、少数类比例和分割因子等超参数，从而使合成数据生成过程具备更大的控制性和对特定数据集需求的定制化。通过在 TelecomChurn 公共数据集上与随机森林和逻辑回归等两个主要分类算法进行比较评估，该方法在不同比例的合成数据下的影响得到了验证。

    Feb, 2024

  • 关于数据集属性选择适当的重采样策略以解决类别不平衡问题

    本文通过比较分析 40 个来自不同应用领域的数据集，研究了不平衡数据分类的各种因素对过采样和欠采样技术的有效性的影响，提出了基于性能度量的自动最优采样策略选择模型，可以在不同领域中选择最合适的方法。

    Dec, 2021

  • 恢复平衡：基于原则的数据欠采样 / 过采样用于最佳分类

    在这项研究中，我们确定了线性分类器（支持向量机）在高维度情况下的泛化曲线的确切分析表达式，并对于数据的类别不平衡性、数据的第一和第二时刻以及所考虑的性能指标的影响给出了锐利的预测。我们表明，涉及数据的欠采样和过采样的混合策略会提高性能。通过数值实验，我们展示了我们理论预测在真实数据集、更深层次的架构和基于无监督概率模型的采样策略上的相关性。

    May, 2024

  • 类别不平衡学习中的去除过采样方法：一次批判性综述

    本文分析了大量过采样方法，并提出了一种新的基于隐藏部分多数类样本进行比较的过采样评估系统。我们的实验证明，所有研究过的过采样方法生成的少数类样本最有可能是多数类。因此，我们认为当前形式和方法的过采样不可靠，并在真实世界应用中应避免使用。

    Feb, 2022