![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
分类
文章平均质量分 87
Klay Ye
这个作者很懒,什么都没留下…
展开
-
论文分享 MetaBalance: High-Performance Neural Networks for Class-Imbalanced Data
摘要 类不平衡数据,其中一些类包含比其他类多得多的样本,在现实世界的应用程序中无处不在。处理类不平衡的标准技术通常通过对重新加权损失或重新平衡数据进行训练来工作。 不幸的是,针对此类目标训练过度参数化的神经网络会导致少数类数据的快速记忆。为了避免这个陷阱,我们利用元学习,它同时使用“外环(outer-loop)”和“内环(inner-loop)”损失,每个损失都可以使用不同的策略进行平衡。我们在图像分类、信用卡欺诈检测、贷款违约预测和具有严重不平衡数据的面部识别任务上评估我们的方法 MetaBalance。原创 2022-02-19 22:46:50 · 526 阅读 · 0 评论 -
论文分享 Class-Weighted Evaluation Metrics for Imbalanced Data Classification
摘要 不平衡数据集中的类分布偏斜可能导致模型对多数类具有预测偏差,从而使分类器的公平评估成为一项具有挑战性的任务。平衡精度等指标通常用于评估分类器在此类场景下的预测性能。但是,当类别的重要性不同时,这些指标就会不足。 在本文中,我们提出了一个简单且通用的评估框架,用于不平衡数据分类,该框架对类基数和重要性的任意偏差敏感。在来自三个不同领域的真实数据集上测试了几个最先进的分类器的实验表明了我们框架的有效性——不仅在评估和排名分类器方面,而且在训练它们方面。 图1:类基数或类重要性分布的偏差,以及它们之间的潜原创 2022-02-19 20:32:19 · 898 阅读 · 0 评论