Leonidas Akritidis

新的GAN模型解决了表格数据中的类别不平衡问题

研究人员开发了ctdGAN，这是一种新颖的条件生成对抗网络，旨在解决表格数据集中的类别不平衡问题。该新模型将输入样本划分为簇，并采用概率采样策略在这些已识别的子空间内生成合成数据。该方法还结合了分簇缩放技术来捕获多个特征模式，以及一个在簇和类别级别上惩罚错误预测的损失函数。在14个不平衡数据集上的评估表明，ctdGAN在生成高保真样本和提高分类准确性方面是有效的。