Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Duża ilość danych generowanych online umożliwiła naukowcom zajmującym się danymi analizowanie tych informacji i wyciąganie wniosków z różnych dziedzin. Jednak dane w czasie rzeczywistym są często podatne na brak równowagi, co może obniżyć jakość danych i stanowi poważne wyzwanie w dziedzinie uczenia maszynowego. Techniki oparte na próbkowaniu i modele oparte na algorytmach to dwie podstawowe metody stosowane do rozwiązywania i równoważenia nierównowagi danych. W niniejszej rozprawie przedstawiono trzy różne techniki zarządzania różnymi poziomami nierównowagi w danych w czasie rzeczywistym.Początkowe podejście proponuje technikę opartą na próbkowaniu zintegrowaną z mechanizmem bagging w celu radzenia sobie z nierównowagą danych. Model identyfikuje nierównowagę danych opartą na klasach i wykonuje nadpróbkowanie dla każdej dostępnej klasy. Mechanizm bagging polega na tworzeniu podzbiorów danych szkoleniowych, mając na celu zróżnicowanie poziomów nierównowagi w danych szkoleniowych, aby zapewnić skuteczne przewidywanie. Mimo to efekt braku równowagi utrzymuje się w mechanizmie predykcji, prowadząc do nieprawidłowej klasyfikacji kilku klas mniejszościowych.