.png){kind=icon}
.png){kind=icon}
返回
DistResampleR-Lite: Light Distributed Resampler for Imbalanced Regression Problems
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-8889-0_33.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不平衡数据问题在现实领域很常见，近年来提出了多种解决方案，特别是在分类任务中。最近，该问题也开始被考虑用于其他预测任务，如回归。重采样解决方案是处理此问题的一种流行且有效的方法。然而，它们的计算需求使其在大型数据集上不切实际和/或不适合。迄今为止，只有一次尝试为回归创建重采样算法的分布式版本。现有的DistSMOGN算法使用聚类来优化SMOGN的计算。在本文中，我们提出了DistResampleRLite，一种用于回归任务中高效分布式重采样的新灵活框架，该框架结合了加速的K-均值聚类算法来划分数据集，并计算最近邻的近似值。DistResampleR-Lite也是灵活的，可以与任何重采样技术一起使用。我们在不同重采样器上的实验表明，DistResampleR-Lite在多个数据集上在时间和性能方面具有优势。
Keyword:
Imbalanced data
Distributed resampling
Regression
K-Means clustering
Nearest neighbors