PulseAugur
中
实时 00:04:39
English(EN) Tabular Imbalanced Learning: A Survey, Benchmark, and Practical Guide

新的基准 TILBench 调查表格不平衡学习方法

作者 PulseAugur 编辑部 · [1 个来源] ·

一项名为 TILBench 的新调查和基准已发布，解决了表格数据应用中不平衡学习的持续挑战。该研究由 Jiaqi Luo 及同事撰写，系统地对现有的不平衡处理策略进行了分类，并在 57 个数据集上对 40 多种方法进行了实证评估。研究结果表明，没有一种方法是普遍优越的；有效性高度依赖于特定的数据集特征和计算限制，从而为方法选择提供了实践建议。 AI

影响 为表格数据应用中选择不平衡学习方法提供了标准化的基准和实践指导。

排序理由 该集群包含一篇详细介绍新基准和调查的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的基准 TILBench 调查表格不平衡学习方法

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ruizhe Liu, Jiaqi Luo ·

    表格不平衡学习：调查、基准和实践指南

    arXiv:2605.14915v2 Announce Type: replace Abstract: Imbalanced learning remains a fundamental challenge in tabular data applications. Despite decades of research and numerous proposed methods, there is still limited systematic understanding of how different imbalance-handling str…

相关实体

相关话题