AITOP

不平衡分类

共 3 条相关 AI 资讯
7月30日
11:15
11:15官方账号arXiv cs.AI@Manpreet Singh, Akshatha Srikantha, Shyamal Lakhanpal
针对信用评分、欺诈检测等高风险中类别不平衡和不对称错误成本问题，该研究比较了边际共形预测（marginal CP）、类条件共形预测（Mondrian CP）和成本控制弃权机制。在15个真实不平衡数据集、7个分类模型、3种校准方法和10个随机种子下进行3150次实验。结果显示Mondrian CP将少数类覆盖率平均提升61.7个百分点（p<1e-80），而边际CP在某些数据集上少数类覆盖率低至0.5%。结合成本控制弃权还进一步降低了预期决策成本，并量化了将模糊实例交给人类专家判断的盈亏平衡阈值。
论文共形预测Mondrian CP成本敏感
推荐理由：这论文用海量实验证明，碰到严重不平衡数据时，传统预测区间会漏掉少数类，Mondrian CP加弃权能大幅提升覆盖率和成本效益，做高风险决策的值得看。
原文
7月28日
11:44
11:44官方账号arXiv cs.LG@Gabriel Singer, Samuel Gruffaz, Olivier Vo Van, Nicolas Vayatis, Argyris Kalogeratos
该研究针对众包标注中的类别不平衡问题，提出一种生成式聚合模型，同时建模项目难度与类别相关的标注者能力。模型在33个真实众包数据集上评估，涵盖图像和文本等多分类任务，以及大规模标注和大规模项目两种场景。实验表明，模型在少数类召回率上持续保持最高，同时平衡精度具有竞争力。
论文众包标注不平衡分类少数类检测
推荐理由：想处理众包标注中的少数类检测？这篇论文的新模型在33个数据集上召回率都最高，值得看看。
原文
6月24日
11:45