The study demonstrates that with a

The study demonstrates that with a proper modification feature selection algorithms can be tailored for imbalanced data sampling. In addition to being self-adaptable to different datasets, the proposed hybrid system is quite flexible, allowing different classifiers and evaluation components to be easily integrated for any specific problem at hand. The imbalanced data sampling problem is ubiquitous in clinical and medical diagnoses as well as gene function predication and protein classification. The proposed hybrid system can not only recover the power of classifiers on imbalance data classification but also indicate the relative importance of samples from majority class in contrast to samples from minority class. This information could be used for further biological and medical investigations which may result in the discovery of new conditions or disease subtypes. We anticipate that such a hybrid formulation can provide a new means for tackling imbalanced data problems introduced in these applications.

ผลลัพธ์ (ไทย) 1:

การศึกษาแสดงให้เห็นว่า ด้วยการเลือกคุณลักษณะเหมาะสมปรับเปลี่ยน อัลกอริทึมสามารถสามารถปรับสำหรับข้อมูล imbalanced สุ่มตัวอย่าง นอกจากจะปรับตนเองให้ datasets ต่าง ๆ ระบบไฮบริดที่นำเสนอนั้นค่อนข้างมีความยืดหยุ่น ให้คำนามภาษาแตกต่างกันและส่วนประกอบที่ประเมินจะสามารถรวมได้อย่างง่ายดายสำหรับปัญหาเฉพาะที่ ปัญหาข้อมูล imbalanced สุ่มตัวอย่างในการวินิจฉัยทางคลินิก และทางการแพทย์รวมทั้งยีน predication และโปรตีนประเภทฟังก์ชั่นได้ ระบบไฮบริดที่นำเสนอไม่เพียงแต่สามารถกู้คืนอำนาจของคำนามภาษาเกี่ยวกับการจัดประเภทข้อมูลความไม่สมดุล แต่ยัง บ่งชี้ความสำคัญสัมพัทธ์ของตัวอย่างจากคลาสส่วนใหญ่ตรงข้ามตัวอย่างจากคลาสชนกลุ่มน้อย ข้อมูลนี้สามารถใช้สำหรับเพิ่มเติมทางการแพทย์ และชีวภาพสืบสวนซึ่งอาจส่งผลในการค้นพบโรค subtypes หรือเงื่อนไขใหม่ เราคาดหวังที่กำหนดการผสมดังกล่าวสามารถให้วิธีใหม่สำหรับการแก้ปัญหาปัญหา imbalanced ข้อมูลในโปรแกรมประยุกต์เหล่านี้

ผลลัพธ์ (ไทย) 2:

การศึกษาแสดงให้เห็นว่าพร้อมกับคุณสมบัติการปรับเปลี่ยนขั้นตอนวิธีการที่เหมาะสมในการเลือกที่สามารถปรับแต่งสำหรับการสุ่มตัวอย่างข้อมูลที่ไม่สมดุล นอกเหนือจากการเป็นตัวเองปรับให้เข้ากับชุดข้อมูลที่แตกต่างกัน, ระบบไฮบริที่นำเสนอมีความยืดหยุ่นค่อนข้างแตกต่างกันเพื่อให้สามารถแยกแยะและส่วนประกอบการประเมินผลที่จะบูรณาการได้อย่างง่ายดายสำหรับปัญหาใด ๆ ที่อยู่ในมือ ปัญหาเก็บข้อมูลขาดดุลเป็นที่แพร่หลายในการวินิจฉัยทางคลินิกและการแพทย์รวมทั้งฟังก์ชั่นของยีนทำนายและการจำแนกโปรตีน ระบบไฮบริเสนอไม่เพียง แต่สามารถกู้คืนอำนาจในการแยกแยะในการจำแนกข้อมูลที่ไม่สมดุล แต่ยังบ่งบอกถึงความสำคัญของกลุ่มตัวอย่างจากชั้นส่วนใหญ่ในทางตรงกันข้ามกับตัวอย่างจากชั้นชนกลุ่มน้อย ข้อมูลเหล่านี้สามารถนำมาใช้สำหรับการตรวจสอบเพิ่มเติมทางชีวภาพและการแพทย์ซึ่งอาจส่งผลในการค้นพบของเงื่อนไขใหม่หรือเชื้อโรค เราคาดหวังว่าเช่นสูตรไฮบริดสามารถให้ความหมายใหม่สำหรับการแก้ปัญหาปัญหาข้อมูลที่ไม่สมดุลแนะนำในการใช้งานเหล่านี้

ผลลัพธ์ (ไทย) 3:

ผลการวิจัยแสดงให้เห็นว่า การเลือกที่เหมาะสมกับคุณลักษณะขั้นตอนวิธีที่สามารถปรับแต่งสำหรับข้อมูลไม่สมดุล การสุ่มตัวอย่าง นอกจากตนเอง ปรับตัว ข้อมูลต่าง ๆ แบบผสมเป็นระบบค่อนข้างมีความยืดหยุ่นที่ช่วยให้คำลักษณนามแตกต่างกันและส่วนประกอบของการประเมินจะรวมได้อย่างง่ายดายสำหรับปัญหาเฉพาะใด ๆในมือข้อมูลสมดุลตัวอย่างปัญหาเป็นที่แพร่หลายในทางคลินิกและการวินิจฉัยทางการแพทย์รวมทั้งฟังก์ชั่นการทั่วไปยีนและโปรตีน เสนอระบบไฮบริดสามารถไม่เพียง แต่การกู้คืนพลังของคำลักษณนามในความไม่สมดุลของการจำแนกข้อมูลแต่ยังบ่งบอกถึงความสำคัญสัมพัทธ์ของตัวอย่างจากห้องส่วนใหญ่ในทางตรงกันข้ามกับตัวอย่างจากห้องเสียงส่วนน้อยข้อมูลนี้สามารถใช้เพื่อเพิ่มเติมทางชีวภาพและการตรวจสอบทางการแพทย์ซึ่งอาจส่งผลในการค้นพบสภาพใหม่ หรือ โรคเชื้อ . เราคาดหวังว่าเป็นสูตรผสมสามารถให้วิธีการใหม่สำหรับ tackling ปัญหาแนะนำข้อมูลไม่สมดุลในการใช้งานเหล่านี้