Explore 6 termos de IA em Conjuntos de Dados Desequilibrados
Borderline-SMOTE é uma técnica avançada para gerar amostras sintéticas em conjuntos de dados desequilibrados, focando em instâncias limítrofes.
Dados desequilibrados ocorrem quando as classes em um conjunto de dados não estão representadas de forma igual, muitas vezes levando a previsões tendenciosas do modelo.
Desequilíbrio de rótulos refere-se à distribuição desigual de classes em um conjunto de dados usado para treinar modelos de IA.
A classe majoritária refere-se à categoria em um conjunto de dados que possui a maior frequência de ocorrências.
Sobreamostragem da classe minoritária é uma técnica para equilibrar conjuntos de dados desequilibrados aumentando o número de instâncias na classe minoritária.
SMOTE é uma técnica usada para equilibrar conjuntos de dados gerando exemplos sintéticos para classes sub-representadas.