The problemwith imbalanced data ari

The problem
with imbalanced data arises because learning algorithms tend
to overlook less frequent classes (minority classes) and only
pay attention to the most frequent ones (majority classes). As
a result, the classifier obtained will not be able to correctly
classify data instances corresponding to poorly represented
classes.

ผลลัพธ์ (ไทย) 1:

ปัญหาข้อมูล imbalanced เกิดขึ้นเนื่องจากมีแนวโน้มที่อัลกอริทึมการเรียนรู้มองข้ามบ่อยน้อยสอน (เรียนชนกลุ่มน้อย) และเท่านั้นใส่บ่อยที่สุดคน (ส่วนใหญ่เรียน) เป็นผล classifier รับจะไม่ถูกต้องจัดประเภทข้อมูลกรณีที่สอดคล้องกับงานแสดงห้องเรียน

ผลลัพธ์ (ไทย) 2:

ปัญหา
ที่มีข้อมูลไม่สมดุลเกิดขึ้นเพราะขั้นตอนวิธีการเรียนรู้ที่มีแนวโน้มที่
จะมองข้ามชั้นเรียนน้อยบ่อย (เรียนผู้ถือหุ้นส่วนน้อย) และมีเพียง
ให้ความสนใจกับคนที่พบบ่อยที่สุด (เรียนส่วนใหญ่) เป็น
ผลให้จําแนกได้รับจะไม่สามารถได้อย่างถูกต้อง
จำแนกกรณีข้อมูลที่สอดคล้องกับตัวแทนไม่ดี
เรียน

ผลลัพธ์ (ไทย) 3:

ปัญหากับข้อมูลที่ไม่สมดุล เพราะมักจะเกิดขึ้น

ข้ามชั้นเรียนบ่อยน้อยกว่าอัลกอริทึมการเรียนรู้ ( เรียนน้อย ) และเพียง
สนใจตัวบ่อยที่สุด ( เรียนส่วนใหญ่ ) โดย
ผลการจำแนกได้จะไม่สามารถได้อย่างถูกต้อง
จำแนกประเภทของข้อมูลกรณีสอดคล้องกับงานแทน
ชั้นเรียน