{"product_id":"josephine-theresa-melhorar-os-algoritmos-de-ml-para-conjuntos-de-dados-desequilibrados-9786208901554","title":"Melhorar os algoritmos de ML para conjuntos de dados desequilibrados","description":"A grande quantidade de dados gerados em linha permitiu que os cientistas de dados analisassem esta informação e tirassem conclusões em vários domínios. No entanto, os dados em tempo real são muitas vezes propensos a desequilíbrios, o que pode degradar a qualidade dos dados e constitui um desafio significativo no domínio da aprendizagem automática. As técnicas baseadas em amostragem e os modelos baseados em algoritmos são dois métodos principais utilizados para resolver e equilibrar o desequilíbrio dos dados. Esta tese apresenta três técnicas distintas para gerir diferentes níveis de desequilíbrio em dados em tempo real.A abordagem inicial propõe uma técnica baseada em amostragem integrada com o mecanismo de ensacamento para tratar o desequilíbrio dos dados. O modelo identifica o desequilíbrio de dados baseado em classes e efectua uma sobreamostragem para cada classe disponível. O mecanismo de ensacamento envolve a criação de subconjuntos dos dados de treino, com o objetivo de variar os níveis de desequilíbrio nos dados de treino para garantir uma previsão eficaz. Apesar disso, o efeito do desequilíbrio persiste no mecanismo de previsão, levando à classificação incorrecta de várias classes minoritárias.","brand":"Edições Nosso Conhecimento","offers":[{"title":"Default Title","offer_id":53367473865046,"sku":null,"price":0.0,"currency_code":"EUR","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0925\/5829\/5382\/files\/product_image_9786208901554_1.jpg?v=1781642496","url":"https:\/\/www.momoxbooks.com\/products\/josephine-theresa-melhorar-os-algoritmos-de-ml-para-conjuntos-de-dados-desequilibrados-9786208901554","provider":"momoxbooks","version":"1.0","type":"link"}