Ali Nawaz

新研究对类别不平衡的二元分类器进行基准测试

一项新近发表在 arXiv 上的研究，在不采用重采样技术的情况下，探讨了二元分类器在面对类别不平衡数据集时的性能表现。研究人员评估了包括传统模型以及 TabPFN 和提升集成模型在内的各种分类器，使用了真实世界和合成数据集，并逐步减小了少数类的大小。研究结果表明，随着数据复杂性和少数类代表性的降低，分类难度增加，但与传统方法相比，先进模型展现出更强的鲁棒性和泛化能力。