Wyszukiwanie zaawansowane ?

Obiekt

Evaluation of resampling methods in the class unbalance problem
Pobierz

Tytuł: Evaluation of resampling methods in the class unbalance problem

Tytuł odmienny:

Ocena metod repróbkowania w problemie zbiorów niezbilansowanych

Autor:

Kubus, Mariusz

Opis:

Econometrics = Ekonometria, 2020, Vol. 24, No. 1, s. 39-50

Abstrakt:

The purpose of many real world applications is the prediction of rare events, and the training sets are then highly unbalanced. In this case, the classifiers are biased towards the correct prediction of the majority class and they misclassify a minority class, whereas rare events are of the greater interest. To handle this problem, numerous techniques were proposed that balance the data or modify the learning algorithms. The goal of this paper is a comparison of simple random balancing methods with more sophisticated resampling methods that appeared in the literature and are available in R program. Additionally, the authors ask whether learning on the original dataset and using a shifted threshold for classification is not more competitive. The authors provide a survey from the perspective of regularized logistic regression and random forests. The results show that combining random under-sampling with random forests has an advantage over other techniques while logistic regression can be competitive in the case of highly unbalanced data

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2020

Typ zasobu:

artykuł

Identyfikator zasobu:

doi:10.15611/eada.2020.1.04 ; oai:dbc.wroc.pl:75415

Język:

eng

Powiązania:

Econometrics = Ekonometria, 2020, Vol. 24, No. 1

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-NC-ND 3.0 PL

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Tytuł publikacji grupowej:

Ekonometria = Econometrics

Temat i słowa kluczowe:

class unbalance resampling regularized logistic regression random forests klasy niezbilansowane repróbkowanie regularyzowana regresja logistyczna lasy losowe

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

11 cze 2022

Data dodania obiektu:

19 maj 2020

Liczba wyświetleń treści obiektu:

237

Wszystkie dostępne wersje tego obiektu:

https://dbc.wroc.pl./publication/143961

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Evaluation of resampling methods in the class unbalance problem 11 cze 2022

Podobne

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Procedury testowań wielokrotnych

Denkowska, Sabina

2013
artykuł
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

Oceny ratingowe jako element konkurencyjności wybranych systemów gospodarczych - weryfikacja na przykładach agencji Fitch

Śmiech, Sławomir Zysk, Wojciech

2012
artykuł
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

A System for Filling Store Displays: Pitting a Single Model against a Set of Demand Forecasting Models

Myna, Artur Myna, Jacek

2023
artykuł
Ekonometria = Econometrics
Ekonometria = Econometrics

The use of data mining models in solving the problem of imbalanced classes based on the example of an online marketing campaign

Łapczyński, Mariusz Surma, Jerzy

2015
artykuł

Integration of decision trees in geometric space

Biedrzycki, Jędrzej Burduk, Robert. Promotor

2021
rozprawa doktorska

Klasyfikacja danych lotniczego skaningu laserowego z wykorzystaniem algorytmu Random Forests

Kaczałek, Bogusław Borkowski, Andrzej. Promotor

2019
rozprawa doktorska

Application of terrestrial laser scanning for the monitoring of changes in the mountain river bed

Walicka Agata Borkowski, Andrzej. Promotor Jóźków, Grzegorz. Promotor Pfeifer, Norbert. Promotor pomocniczy

2022
rozprawa doktorska
Debiuty Studenckie
Debiuty Studenckie

Metody resamplingu danych w rozwiązaniu problemu nierównowagi danych przy wykrywaniu oszustw związanych z kartami kredytowymi

Małowiecki, Andrzej Dudycz, Helena. Redaktor

2023
rozdział
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Politechnika Wrocławska (Koordynator Konsorcjum DBC)
Biblioteka Politechniki Wrocławskiej
Wybrzeże Wyspiańskiego 27
50-370 Wrocław, Polska

Telefon

(+48) 71-320-38-30
(+48) 71-320-47-50

E-Mail

bc@pwr.edu.pl

Odwiedź nas!

https://biblioteka.pwr.edu.pl/

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji