Feb, 2024

合成少数类过采样技术（SMOTE）的量子方法

PDF
TL;DR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。
quantum-smoteclass imbalancequantum computing techniquessynthetic data generationhyperparameters
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

  • SMOTE 的理论和实验研究：再平衡策略的限制和比较

    SMOTE 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。

    Feb, 2024

  • 使用 SMOTE 方法进行预测软件构建结果的合成少数类过采样技术

    本研究运用数据流方法挖掘数据，构建决策树模型，通过软件构建过程中从源代码中获得的软件度量预测软件构建结果。使用 SMOTE 过采样算法合成新数据，并发现少量可用软件度量对预测构建结果具有重要意义。通过数据流处理，分类准确度可以持续提高至 80％，但由于数据在两个类别之间的分布而产生一些偏差。

    Jul, 2014

  • 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

  • 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

  • 高效量子异常检测：采用变量子采样和随机测量的单类支持向量机

    量子计算在机器学习任务中的潜力使得核计算和模型精度得到显著提高。通过使用一类支持向量机和量子核，相对于经典对照方法，先前研究观察到了显着的平均精度改进。然而，传统计算这些核的方法对于数据大小具有二次时间复杂度，这在实际应用中带来了挑战。为了缓解这个问题，我们探索了两种不同的方法：利用随机测量来评估量子核以及实施可变子采样集合方法，这两种方法都针对线性时间复杂度。实验结果表明，采用这些方法的训练和推断时间大大减少，分别达到了 95% 和 25%，同时随机测量的平均精度明显优于经典径向基函数核，为进一步研究可扩展、高效的量子计算在机器学习中的应用方向提供了有希望的线索。

    Dec, 2023

  • SMOClust: 基于流聚类的演化数据流的合成少数类过采样

    通过流聚类技术提出了一种适应漂移且能处理类别不平衡的过采样策略，在人工和真实数据流实验中表明该方法能更好地处理涉及不同类别滴分的概念漂移情况，尤其在严重类别不平衡和存在大量安全和边缘少数类实例的数据流上。

    Aug, 2023

  • 合成过采样：理论和使用 LLMs 解决数据不平衡的实践方法

    不平衡数据和虚假关联是机器学习和数据科学中常见的挑战。本文介绍了 OPAL（使用人工生成的 LLM 数据进行过采样），一种系统的过采样方法，利用大型语言模型（LLMs）生成高质量的少数类别合成数据，与深度生成模型进行预测任务的合成数据生成方法有所不同，着重解决不平衡数据和虚假关联问题，并提出了新的理论来严格表征使用合成数据的益处，并展示了变压器在生成标签和协变量的高质量合成数据方面的能力。此外，我们进行了大量的数值实验，以证明我们提出的方法相较于一些代表性的替代方案更加有效。

    Jun, 2024