論文の概要: A Review of Machine Learning Techniques in Imbalanced Data and Future Trends

• arxiv url: http://arxiv.org/abs/2310.07917v1
• Date: Wed, 11 Oct 2023 22:14:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-14 13:32:05.733290
• Title: A Review of Machine Learning Techniques in Imbalanced Data and Future Trends
• Title（参考訳）: 不均衡データにおける機械学習技術の現状と将来動向
• Authors: Elaheh Jafarigol, Theodore Trafalis
• Abstract要約: 我々は,学術雑誌や会議論文から258件の査読論文を収集し,レビューした。 本研究の目的は、様々な領域における不均衡データの問題に対処するために用いられる手法の構造化されたレビューを提供することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For over two decades, detecting rare events has been a challenging task among researchers in the data mining and machine learning domain. Real-life problems inspire researchers to navigate and further improve data processing and algorithmic approaches to achieve effective and computationally efficient methods for imbalanced learning. In this paper, we have collected and reviewed 258 peer-reviewed papers from archival journals and conference papers in an attempt to provide an in-depth review of various approaches in imbalanced learning from technical and application perspectives. This work aims to provide a structured review of methods used to address the problem of imbalanced data in various domains and create a general guideline for researchers in academia or industry who want to dive into the broad field of machine learning using large-scale imbalanced data.
• Abstract（参考訳）: 20年以上にわたって、データマイニングと機械学習分野の研究者の間で、まれな事象の検出は難しい課題だった。 現実の問題は、研究者にデータ処理とアルゴリズムアプローチをナビゲートし、さらに改善させ、不均衡学習のための効率的で効率的な方法を実現するよう促す。 本稿では,技術やアプリケーションの観点から不均衡学習における様々なアプローチを詳細に検討するために,アーカイブジャーナルやカンファレンス論文から258のピアレビュー論文を収集・レビューした。 本研究は,様々な領域における不均衡データ問題に対処するための手法の構造化レビューを行い,大規模不均衡データを用いた機械学習の幅広い分野に参入したい学界や産業の研究者のためのガイドラインを作成することを目的とする。

関連論文リスト

• Towards Sample-Efficiency and Generalization of Transfer and Inverse Reinforcement Learning: A Comprehensive Literature Review [50.67937325077047]
  本稿では,転送および逆強化学習(T-IRL)によるRLアルゴリズムのサンプル効率と一般化を実現するための総合的なレビューを行う。 以上の結果から,最近の研究成果の大部分は,人間のループとシム・トゥ・リアル戦略を活用することで,上記の課題に対処していることが示唆された。 IRL構造の下では、経験の少ない移行と、そのようなフレームワークのマルチエージェントおよびマルチインテンション問題への拡張を必要とするトレーニングスキームが近年研究者の優先事項となっている。
  論文  参考訳（メタデータ） (2024-11-15T15:18:57Z)
• Interpretable Machine Learning for Discovery: Statistical Challenges \& Opportunities [1.2891210250935146]
  我々は、解釈可能な機械学習の分野について議論し、レビューする。 解釈可能な機械学習を用いて行うことができる発見の種類について概説する。 我々は、これらの発見をデータ駆動方式でどのように検証するかという大きな課題に焦点をあてる。
  論文  参考訳（メタデータ） (2023-08-02T23:57:31Z)
• Statistical Foundation Behind Machine Learning and Its Impact on Computer Vision [8.974457198386414]
  本稿では、統計的学習における一様収束の原理を再考し、機械学習の基礎としてどのように機能するかを論じ、現在のディープラーニングアルゴリズムが解決している本質的な問題をよりよく理解しようと試みる。 コンピュータビジョンを機械学習の例として用いた議論は、近年の大規模データを活用して、表現学習に事前学習を行うことによる研究の傾向が、現実的に抽出可能な経験的損失と最終的に望まれるが、予測される損失との差を減らしていることを示している。
  論文  参考訳（メタデータ） (2022-09-06T17:59:04Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Lessons Learned from Data-Driven Building Control Experiments: Contrasting Gaussian Process-based MPC, Bilevel DeePC, and Deep Reinforcement Learning [0.0]
  この写本は、多くの近代的なデータ駆動技術に関する実験主義者の視点を提供する。 データ要件、使いやすさ、計算負担、実世界のアプリケーションのコンテキストにおける堅牢性の観点から比較される。
  論文  参考訳（メタデータ） (2022-05-31T11:40:22Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• A Survey on Machine Learning Techniques for Source Code Analysis [14.129976741300029]
  ソースコード解析に応用された機械学習の領域における現在の知識を要約することを目的としている。 そこで本研究では,2002年から2021年にかけて,広範囲にわたる文献検索を行い,初等研究364点を同定した。
  論文  参考訳（メタデータ） (2021-10-18T20:13:38Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
  機械学習の研究は転換点にある。 研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。 このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
  論文  参考訳（メタデータ） (2020-12-21T15:07:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。