Work

Um estudo comparativo de métodos para balanceamento do conjunto de treinamento em aprendizado de redes neurais artificiais

Year: 2015

Type: dissertation

Abstract: Estudos na área de aprendizado supervisionado têm mostrado que classificadores induzidos a partir de bases de dados desbalanceadas não têm apresentado um bom desempenho. Uma possível solução para este problema é balancear o conjunto de treinamento. Este trabalho propõe um estudo, implementação e comparação de métodos para o balanceamento artificial do conjunto de treinamento para aprendizado supervisionado de Redes Neurais Artificiais. Para a realização deste estudo foram selecionados cinco métodos: Smote, Smote + ENN, Smote + Tomek Link, BED e ADASYN. Ao final foi feita uma análise dos resultados através de métricas extraídas da Análise ROC.

Source: Portuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)

Author: Schiavoni, André Spinelli

Language: Portuguese

Topic: Imbalanced Data Classification Techniques

Subfield: Artificial Intelligence

Field: Computer Science

Domain: Physical Sciences

SDG: Reduced inequalities

Open Access status: green

OpenAlex ID: W1862718509

Cites: 15

Cited by:

Related to: 10