English(EN) CCNETS: A Modular Causal Learning Framework for Pattern Recognition in Imbalanced Datasets

CCNETS框架利用因果学习解决不平衡数据集问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了因果协同网络（CCNETS），一个新颖的模块化框架，旨在解决机器学习模式识别中类别不平衡的挑战。该框架在数据生成、推理和重建之间建立了因果联系，允许分类结果指导样本合成。CCNETS在信用卡欺诈检测和预测性维护数据集的实验中表现出色，在F1分数和AUPRC方面优于基线方法。 AI

影响引入了一个用于改善不平衡数据集模式识别的新框架，可能增强异常检测能力。

排序理由这是一篇详细介绍不平衡数据集新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Hanbeot Park, Yunjeong Cho, Hunhee Kim · 2026-05-05 04:00

CCNETS: A Modular Causal Learning Framework for Pattern Recognition in Imbalanced Datasets

arXiv:2401.04139v4 Announce Type: replace Abstract: Handling class imbalance remains a central challenge in machine learning, particularly in pattern recognition tasks where identifying rare but critical anomalies is of paramount importance. Traditional generative models often de…