rubric

新的RUBRIC框架通过优化合成样本质量来改进不平衡分类

研究人员开发了RUBRIC，一个旨在提高不平衡数据集分类准确性的新框架，例如欺诈检测和医学诊断。该方法侧重于优化用于重新平衡类别分布的合成样本的质量，而不是简单地增加其数量。RUBRIC根据现实性（由学习到的判别器评估）和效用（通过与决策边界的接近度衡量）之间的平衡来对这些合成样本进行排名。在各种基准测试上的实验表明，RUBRIC在保持具有竞争力的ROC-AUC的同时，提高了F1-macro和召回率分数。