Mirosław Mamczur • 7/30/2021

Niezbalansowane dane klasyfikacyjne? Na ratunek SMOTE!

Artykuł szczegółowo opisuje metodę SMOTE (Synthetic Minority Over-sampling Technique), służącą do radzenia sobie z niezbalansowanymi danymi klasyfikacyjnymi. Autor wyjaśnia zasadę działania algorytmu, który generuje syntetyczne punkty danych dla klasy mniejszościowej, oraz pokazuje jej praktyczną implementację w Pythonie z użyciem biblioteki `imbalanced-learn` na prostym, syntetycznym przykładzie.

0 comments

#Python #uczenie maszynowe #Klasyfikacja