A K-means Improved CTGAN Oversampling Method for Data Imbalance Problem

过采样 过度拟合 计算机科学 聚类分析 插值(计算机图形学) 人工智能 班级(哲学) 数据挖掘 模式识别(心理学) 机器学习 人工神经网络 计算机网络 运动(物理) 带宽(计算)
作者
Chunsheng An,Jingtong Sun,Yifeng Wang,Qingjie Wei
标识
DOI:10.1109/qrs54544.2021.00097
摘要

CTGAN is a tabular data synthesis method for privacy preservation, which is used in this paper for data imbalance problem. This paper proposes a method for dealing with imbalanced data sets that combines K-means clustering and CTGAN to address the imbalanced distribution of minority class examples that result from oversampling with CTGAN. By conducting experiments with the LightGBM algorithm on home loan and online shopping datasets, it is demonstrated that the CTGAN method achieves superior learning results in f1-score and G-mean metrics compared to the interpolation-based oversampling technique represented by SMOTE. The preceding results indicate that by applying the method described in this paper to handle an imbalanced dataset, one can obtain a dataset with more examples, a more uniform distribution, and less overfitting while still satisfying the original dataset's probability distribution.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
1秒前
1秒前
幸福遥完成签到,获得积分10
1秒前
文轩发布了新的文献求助10
3秒前
小毕可乐发布了新的文献求助10
4秒前
5秒前
zpq发布了新的文献求助30
5秒前
Akim应助yangxt-iga采纳,获得10
6秒前
younger~完成签到,获得积分20
6秒前
123qwe发布了新的文献求助10
6秒前
bing发布了新的文献求助10
7秒前
思源应助夕夕口口采纳,获得10
7秒前
香蕉觅云应助kk采纳,获得10
7秒前
我是老大应助shor0414采纳,获得10
8秒前
淡淡的飞雪应助朴素海亦采纳,获得10
8秒前
9秒前
fleee完成签到,获得积分10
9秒前
牛肉面应助zhangst采纳,获得20
10秒前
科研通AI2S应助失眠觅云采纳,获得10
10秒前
10秒前
cocolu应助失眠觅云采纳,获得10
10秒前
Singularity应助yueyue采纳,获得10
10秒前
酷波er应助失眠觅云采纳,获得20
10秒前
pluto应助白华苍松采纳,获得150
10秒前
illion1完成签到,获得积分20
11秒前
华仔应助长情的大门采纳,获得10
11秒前
11秒前
努力合成发布了新的文献求助10
12秒前
Amandar完成签到,获得积分10
13秒前
13秒前
14秒前
李大仁发布了新的文献求助30
14秒前
不玩手机发布了新的文献求助10
15秒前
123321发布了新的文献求助10
16秒前
英勇涔完成签到 ,获得积分10
16秒前
17秒前
18秒前
yangxt-iga发布了新的文献求助10
18秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
Near Infrared Spectra of Origin-defined and Real-world Textiles (NIR-SORT): A spectroscopic and materials characterization dataset for known provenance and post-consumer fabrics 610
Mission to Mao: Us Intelligence and the Chinese Communists in World War II 600
Cognitive Paradigms in Knowledge Organisation 500
Promoting women's entrepreneurship in developing countries: the case of the world's largest women-owned community-based enterprise 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3306889
求助须知:如何正确求助?哪些是违规求助? 2940724
关于积分的说明 8498169
捐赠科研通 2614869
什么是DOI,文献DOI怎么找? 1428544
科研通“疑难数据库(出版商)”最低求助积分说明 663445
邀请新用户注册赠送积分活动 648283