However, some researchers have show

However, some researchers have shown that the class imbalance ratio is not a problem itself. Even though the observation of a low classification performance in some concrete imbalanced problems may be influenced by the validation scheme used to estimate this performance of the classifiers [35], the classification performance degradation is usually linked to other factors related to data distributions [28,22,40]. Among them, in [40] the influence of noisy and borderline examples on classification performance in imbalanced datasets is experimentally studied. Borderline examples are defined as examples located either very close to the decision boundary between minority and majority classes or located in the area surrounding class boundaries where classes overlap. The authors of [33,40] refer to noisy examples as those from one class located deep inside the region of the other class. Furthermore, this paper, considers noisy examples in the wider sense of [57,43], in which they are treated as examples corrupted either in the attribute values or the class label.

Kết quả (Việt) 1:

Tuy nhiên, một số nhà nghiên cứu đã cho thấy rằng tỷ lệ mất cân bằng lớp không phải là một vấn đề riêng của mình. Mặc dù các quan sát của một hiệu suất thấp classification ở một số vấn đề mất cân bằng bê tông có thể bị ảnh hưởng bởi các đề án xác nhận được sử dụng để ước tính này hiệu suất của máy phân loại [35], sự xuống cấp hiệu suất phân loại thường được liên kết với các yếu tố khác liên quan đến dữ liệu phân phối [28,22,40]. Trong số đó, [40] sự ảnh hưởng của ồn ào và đường biên giới ví dụ về phân loại hiệu suất trong datasets mất cân bằng thí nghiệm nghiên cứu. Ví dụ đường biên giới được xác định như ví dụ nằm hoặc rất gần với ranh giới quyết định giữa các dân tộc thiểu số và đa số các lớp học hoặc ở khu vực xung quanh lớp ranh giới nơi các lớp chồng lên nhau. Các tác giả của [33,40] tham khảo ví dụ ồn ào như những người từ một lớp nằm sâu bên trong khu vực của các lớp khác. Hơn nữa, giấy này, xem xét các ví dụ ồn ào trong nghĩa rộng của [57,43], trong đó họ được coi là các ví dụ về bị hỏng hoặc trong các giá trị thuộc tính hoặc nhãn lớp.

Kết quả (Việt) 2:

Tuy nhiên, một số nhà nghiên cứu đã chỉ ra rằng tỷ lệ mất cân bằng lớp không phải là một vấn đề riêng của mình. Mặc dù các quan sát của một hiệu suất fi cation phân loại thấp trong một số vấn đề cụ thể mất cân bằng có thể bị ảnh hưởng bởi các chương trình xác nhận sử dụng để ước tính hiệu suất của các phân loại [35], sự xuống cấp hiệu suất phân loại thường liên quan đến các yếu tố khác liên quan đến phân phối dữ liệu [28, 22,40]. Trong số đó, trong [40] ảnh hưởng của các ví dụ ồn ào và đường biên giới trên thực hiện phân loại trong bộ dữ liệu mất cân bằng được thực nghiệm nghiên cứu. ví dụ đường biên giới được định nghĩa như là ví dụ nằm hoặc là rất gần với ranh giới quyết định giữa thiểu số và các lớp học đa số hoặc nằm trong khu vực xung quanh ranh giới lớp học, nơi các lớp chồng lên nhau. Các tác giả của [33,40] tham khảo ví dụ ồn ào như những người từ một lớp nằm sâu bên trong các khu vực của các lớp khác. Hơn nữa, bài báo này, xem xét ví dụ ồn ào theo nghĩa rộng hơn của [57,43], trong đó họ được đối xử như những ví dụ hỏng hoặc trong các giá trị thuộc tính hoặc các nhãn lớp.