প্রশ্ন ট্যাগ «class-imbalance»

2
কেন আমাদের ডাটা ভারসাম্যহাল পরিচালনা করতে হবে?
আমাদের কেন ভারসাম্যহীনতার ভারসাম্য মোকাবেলা করতে হবে তা জানতে হবে। আমি কীভাবে এটির মোকাবিলা করতে এবং সমস্যা সমাধানের বিভিন্ন পদ্ধতি যা স্যাম্পলিং বা ডাউন স্যাম্পলিংয়ের মাধ্যমে বা স্মোট ব্যবহার করে সমাধান করা যায় তা আমি জানি। উদাহরণস্বরূপ, যদি আমার মধ্যে বিরল রোগ হয় 100 এর মধ্যে 1 শতাংশ, এবং বলি …

2
আমরা কখন বলব যে ডেটাসেটটি শ্রেণিবদ্ধ নয়?
আমি অনেকবার এমন একটি ডেটাসেট বিশ্লেষণ করেছি যার উপরে আমি সত্যিই কোনও শ্রেণিবদ্ধকরণ করতে পারি নি। আমি শ্রেণিবদ্ধ পেতে পারি কিনা তা দেখার জন্য আমি সাধারণত নিম্নলিখিত পদক্ষেপগুলি ব্যবহার করেছি: সংখ্যাগত মানের বিপরীতে লেবেলের বাক্স প্লট তৈরি করুন। ক্লাস পৃথকযোগ্য কিনা তা দেখতে মাত্রিকতা 2 বা 3 এ হ্রাস করুন, …

3
ভারসাম্যহীন হিসাবে কখন আমাদের একটি ডেটাসেট বিবেচনা করা উচিত?
আমি এমন পরিস্থিতির মুখোমুখি হচ্ছি যেখানে কোনও ডেটাসেটে ইতিবাচক এবং নেতিবাচক উদাহরণগুলির সংখ্যা ভারসাম্যহীন। আমার প্রশ্ন হ'ল, থাম্বের এমন কোনও নিয়ম রয়েছে যা আমাদের জানান যে কখন আমাদের ডেটাসেটে একরকম ভারসাম্য বজায় রাখার জন্য বৃহত বিভাগটি সাবমেল করা উচিত। উদাহরণ: যদি ইতিবাচক উদাহরণগুলির সংখ্যা 1000 এবং নেতিবাচক উদাহরণগুলির সংখ্যা 10,000 …

1
ভারসাম্যহীন ক্লাস মোকাবেলায় পদ্ধতির শ্রেণিবদ্ধকরণ
ভারসাম্য বর্গ সমস্যা মোকাবেলা করার জন্য যে পদ্ধতির বিকাশ করা হয়েছে তার শ্রেণিবদ্ধ করার সর্বোত্তম উপায় কী? এই নিবন্ধটি তাদের মধ্যে শ্রেণিবদ্ধ করে: প্রাক প্রসেসিং: ওভার স্যাম্পলিং, আন্ডার স্যাম্পলিং এবং হাইব্রিড পদ্ধতিগুলি অন্তর্ভুক্ত করে, ব্যয় সংবেদনশীল লার্নিং: সরাসরি পদ্ধতি এবং মেটা-লার্নিং অন্তর্ভুক্ত যা পরবর্তীকালে থ্রেশোল্ডিং এবং স্যাম্পলিংয়ে বিভক্ত হয়, নকশাকৃত …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.