.png){kind=icon}
返回
Pycol: A Python package for dataset complexity measures
.png){kind=icon}
OA
AI
DOI：10.1016/j.neucom.2025.130311.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
类别重叠对机器学习算法构成重大挑战，尤其是在存在类别不平衡的情况下。这些因素显著增加了分类任务的复杂性，特别是在现实场景中。因此，测量重叠至关重要，但由于其复杂性，量化仍具难度，因为重叠可以以多种方式呈现和测量。为缓解此问题，近期研究已构建了一种新的类别重叠度量分类法，将其划分为多个家族，使研究人员能更全面地了解数据集的复杂性。遵循近期研究，我们引入了一个名为pycol的新Python包用于类别重叠测量。该包实现了29种重叠度量，分为四个重叠家族，专门设计用于捕捉不平衡现实场景中的类别重叠。这使得pycol成为处理复杂分类问题的研究人员的重要工具，为有效量化类别重叠与类别不平衡的联合效应提供稳健解决方案。
Keyword:
Complexity measures
Dataset complexity
Overlap
Imbalance
Meta-learning
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
查看更多机构
引用论文
.png){kind=icon}
Types of minority class examples and their influence on learning classifiers from imbalanced data
OAAI
OAAI分享收藏How Complex Is Your Classification Problem?: A Survey on Measuring Classification Complexity您的分类问题有多复杂？: 测量分类复杂性的调查
PREAI
分享收藏 没有更多内容