Furthermore, cost-sensitive learnin

Furthermore, cost-sensitive learning solutions incorporating both the data and algorithmic level approaches assume higher mis-classification costs with samples in the minority class and seek to minimize the high cost errors [50].
There are some data level approaches particularly adapted to the usage of a concrete classifier. For example, the authors of [36] propose an evolutionary framework that uses an instance generation technique that modifies the original training set based on the performance of a specific classifier on the minority class. However, this is not the most common scenario and the great advantage of data level approaches is that they are more versatile, since their use is independent of the classifier selected

Kết quả (Việt) 1:

Hơn nữa, nhạy cảm với chi phí giải pháp kết hợp cả hai học dữ liệu và các phương pháp tiếp cận thuật toán cấp giả sử chi phí MIS-phân loại cao hơn với các mẫu trong các lớp học dân tộc thiểu số và tìm cách để giảm thiểu chi phí cao lỗi [50].Hiện có một số dữ liệu cấp phương pháp tiếp cận đặc biệt thích nghi với việc sử dụng một classifier bê tông. Ví dụ, các tác giả của [36] đề xuất một khuôn khổ tiến hóa mà sử dụng một ví dụ thế hệ kỹ thuật modifies đào tạo ban đầu thiết lập dựa trên hiệu suất của một loại cụ thể vào giai cấp dân tộc thiểu số. Tuy nhiên, đây không phải là kịch bản phổ biến nhất và lợi thế lớn của phương pháp tiếp cận cấp dữ liệu rằng họ là linh hoạt hơn, kể từ khi sử dụng của họ là độc lập với loại được chọn

Kết quả (Việt) 2:

Hơn nữa, giải pháp học chi phí nhạy cảm kết hợp cả dữ liệu và phương pháp tiếp cận trình độ thuật toán giả định chi phí mis-phân loại cao hơn với các mẫu trong lớp thiểu số và tìm cách giảm thiểu các sai sót chi phí cao [50].
Có một số cấp dữ liệu phương pháp tiếp cận đặc biệt phù hợp cho việc sử dụng của một er fi phân loại cụ thể. Ví dụ, các tác giả của [36] đề xuất một khuôn khổ tiến hóa có sử dụng một kỹ thuật thế hệ dụ rằng Modi fi es tập huấn luyện ban đầu dựa trên hiệu suất của một bộ phân loại cụ thể trên lớp thiểu số. Tuy nhiên, đây không phải là kịch bản phổ biến nhất và là lợi thế lớn của cấp dữ liệu phương pháp tiếp cận là họ được linh hoạt hơn, vì việc sử dụng chúng là độc lập với việc phân loại theo lựa chọn