Not like the existing over-sampling

Not like the existing over-sampling methods, our methods only oversample
or strengthen the borderline minority examples. First, we find out the border-line minority examples; then, synthetic examples are generated from them and added
to the original training set. Suppose that the whole training set is T, the minority class
is P and the majority class is N,

ผลลัพธ์ (ไทย) 1:

ไม่ชอบวิธีการสุ่มตัวอย่างมากกว่าที่มีอยู่ วิธีการของเราเท่านั้น oversampleหรือเสริมสร้างตัวอย่างส่วนน้อยเส้นขอบ ครั้งแรก เราค้นหาตัวอย่างส่วนน้อยของเส้นขอบ แล้ว ตัวอย่างที่สังเคราะห์จากพวกเขา และเพิ่มในชุดฝึกอบรมต้นฉบับ สมมติว่า ทั้งการฝึกอบรมชุด T คลาชนกลุ่มน้อยP และระดับส่วนใหญ่ N

ผลลัพธ์ (ไทย) 2:

ไม่ชอบที่มีอยู่มากกว่าการสุ่มตัวอย่างวิธีการวิธีการของเราเท่านั้น oversample
หรือเสริมสร้างตัวอย่างของชนกลุ่มน้อยชายแดน ครั้งแรกที่เราหาตัวอย่างของชนกลุ่มน้อยชายแดนบรรทัด; แล้วตัวอย่างสังเคราะห์จะถูกสร้างขึ้นจากพวกเขาและเพิ่ม
การฝึกอบรมชุดเดิม สมมติว่าชุดการฝึกอบรมทั้งหมดเป็นเสื้อชั้นชนกลุ่มน้อย
เป็น P และชั้นส่วนใหญ่เป็น N,

ผลลัพธ์ (ไทย) 3:

ไม่เหมือนที่มีอยู่ผ่านการสุ่มตัวอย่าง วิธีการ oversample ของเราเท่านั้นหรือเสริมสร้างเส้นน้อยตัวอย่าง ก่อนอื่นเราหาเส้นแบ่งชนกลุ่มน้อยตัวอย่าง แล้ว ตัวอย่างที่สังเคราะห์ขึ้นจากพวกเขาและเพิ่มกับชุดฝึก ชุดเดิม สมมติว่า ชุดฝึก ทั้ง ที เสียงส่วนน้อย คลาสคือ P และส่วนใหญ่ชั้น n