Several applications aim to identif

Several applications aim to identify rare events from very large data sets. Classification algorithms may
present great limitations on large data sets and show a performance degradation due to class imbalance.
Many solutions have been presented in literature to deal with the problem of huge amount of data or imbalancing
separately. In this paper we assessed the performances of a novel method, Parallel Selective Sampling
(PSS)

ผลลัพธ์ (ไทย) 1:

ใช้งานหลายจุดมุ่งหมายในการระบุเหตุการณ์ที่หายากจากชุดข้อมูลขนาดใหญ่มาก อัลกอริทึมการจำแนกประเภทอาจนำเสนอข้อจำกัดดีบนชุดข้อมูลขนาดใหญ่ และแสดงประสิทธิภาพเนื่องจากความไม่สมดุลของระดับได้เสนอทางวรรณคดีในการจัดการกับปัญหาของจำนวนมากของข้อมูลหรือ imbalancingแยกต่างหาก ในเอกสารนี้ เราประเมินการแสดงของวิธีนวนิยาย สุ่มตัวอย่างเลือกแบบขนาน(PSS)

ผลลัพธ์ (ไทย) 2:

การใช้งานหลายจุดมุ่งหมายเพื่อแจ้งเหตุการณ์ที่หายากจากชุดข้อมูลขนาดใหญ่มาก ขั้นตอนวิธีการจัดหมวดหมู่อาจ
นำเสนอข้อ จำกัด ที่ดีในชุดข้อมูลขนาดใหญ่และแสดงประสิทธิภาพการย่อยสลายเนื่องจากความไม่สมดุลของระดับ.
โซลูชั่นหลายคนได้รับการนำเสนอในวรรณคดีที่จะจัดการกับปัญหาของข้อมูลจำนวนมากหรือ imbalancing
แยกต่างหาก ในบทความนี้เราประเมินผลการดำเนินงานของวิธีนวนิยายขนาน Selective สุ่มตัวอย่าง
(PSS)

ผลลัพธ์ (ไทย) 3:

การใช้งานหลายจุดประสงค์เพื่อระบุเหตุการณ์ที่หายากจากชุดข้อมูลที่มีขนาดใหญ่มาก ขั้นตอนวิธีการจำแนกอาจปัจจุบันดี ข้อจำกัดของชุดข้อมูลที่มีขนาดใหญ่และแสดงประสิทธิภาพการย่อยสลายเนื่องจากห้องเรียนไม่สมดุลย์หลายโซลูชั่นได้ถูกนำเสนอในวรรณคดี เพื่อจัดการกับปัญหาของจํานวนมากของข้อมูลหรือ imbalancingแยกต่างหาก ในกระดาษนี้เราประเมินสมรรถนะของวิธีการใหม่ขนานเลือกการสุ่มตัวอย่าง( แฮ่ )