一项发表在arXiv上的新研究调查了在单一数据集上评估类别不平衡处理方法的普遍做法，证明了从这种有限测试中得出的结论可能具有误导性。该研究分析了45个二分类任务，发现像阈值调整和SMOTE等技术，在像Kaggle的信用卡欺诈数据集这样的特定数据集上可能几乎没有益处甚至有害，但在更广泛的不平衡比率范围内可能非常有效。研究还显示，阈值调整的益处随不平衡比率呈非单调变化，并且标准的校准诊断不能可靠地预测调整的有效性，这表明需要更稳健的评估协议。 AI
影响 强调了机器学习研究中需要更严格和多样化的评估方法，以确保可靠的结论。
排序理由 学术论文，详细介绍了一项新研究及其发现。[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 →
