Pengfei Lyu

新方法纠正不平衡人工智能学习中的偏差

研究人员开发了一种偏差校正程序，以改进不平衡学习场景中的概率分类。该方法解决了标准合成过采样技术（如SMOTE）可能引起的合成分布与目标少数类分布之间的差异。所提出的框架估计并校正了由生成器引起的损失差异，为偏差转移提供了有限样本界限，并描述了SMOTE可能引入显著偏差的条件。该方法也适用于不平衡多任务学习和倾向得分估计，并且在合成失真较大的情况下，通过真实世界数据分析证明了其有效性。