Our methods can be easily understoo

Our methods can be easily understood with the following simulated data set, Circle,
which has two classes. Fig. 1 (a) shows the original distribution of the data set,
the circle points represent majority examples and the plus signs are minority examples.
Firstly, we apply borderline-SMOTE to find out the borderline examples of the
minority class, which are denoted by solid squares in Fig. 1 (b). Then, new synthetic
examples are generated through those borderline examples of the minority class. The
synthetic examples are shown in Fig. 1 (c) with hollow squares. It is easy to find out
from the figures that, different from SMOTE, our methods only over-sample or
strengthen the borderline and its nearby points of the minority class.

ผลลัพธ์ (ไทย) 1:

วิธีของเราสามารถเข้าใจได้ง่าย ๆ ด้วยการจำลองข้อมูลค่า วงกลมซึ่งมีสองชั้น รูปที่ 1 (ก) แสดงการกระจายต้นฉบับของข้อมูลจุดวงกลมแสดงถึงตัวอย่างส่วนใหญ่ และเครื่องหมายบวกเป็นตัวอย่างส่วนน้อยประการแรก เราใช้ก็ตบแดนเพื่อค้นหาตัวอย่างเส้นขอบของการเรียนที่ชนกลุ่มน้อย ซึ่งจะเขียนแทน ด้วยรูปสี่เหลี่ยมทึบในรูปที่ 1 (b) สังเคราะห์แล้ว ใหม่ตัวอย่างจะถูกสร้างขึ้นผ่านตัวอย่างเส้นขอบเหล่านั้นประเภทชนกลุ่มน้อย การแสดงตัวอย่างที่สังเคราะห์ใน Fig. 1 (c) มีสี่เหลี่ยมกลวง ง่ายต่อการค้นหาจากตัวเลขว่า แตกต่างจาก SMOTE วิธีการของเราเท่านั้นมากกว่าตัวอย่าง หรือเสริมสร้างเส้นเขตแดนและสถานที่ประเภทชนกลุ่มน้อย

ผลลัพธ์ (ไทย) 2:

วิธีการของเราสามารถเข้าใจได้ง่ายกับชุดต่อไปนี้จำลองข้อมูลวงกลม
ซึ่งมีสองชั้น มะเดื่อ. 1 (ก) แสดงการกระจายเดิมของชุดข้อมูลที่
จุดวงกลมแทนตัวอย่างส่วนใหญ่และเครื่องหมายบวกเป็นตัวอย่างของชนกลุ่มน้อย.
ประการแรกเราใช้เส้นเขตแดน-ประหารที่จะหาตัวอย่างที่เส้นเขตแดนของ
ชั้นชนกลุ่มน้อยซึ่งจะแสดงด้วยของแข็ง ในรูปสี่เหลี่ยม 1 (ข) จากนั้นสังเคราะห์ใหม่
ตัวอย่างจะถูกสร้างขึ้นผ่านตัวอย่างเส้นเขตแดนเหล่านั้นของชั้นชนกลุ่มน้อย
ตัวอย่างสังเคราะห์จะแสดงในรูป 1 (ค) มีสี่เหลี่ยมกลวง มันเป็นเรื่องง่ายที่จะหา
จากตัวเลขที่แตกต่างจากประหาร, วิธีการของเรามากกว่าเพียงตัวอย่างหรือ
เสริมสร้างเส้นเขตแดนและจุดใกล้เคียงของชั้นชนกลุ่มน้อย

ผลลัพธ์ (ไทย) 3:

วิธีการของเราที่สามารถเข้าใจได้ง่ายด้วยการต่อชุดข้อมูลจำลอง , วงกลม ,ซึ่งมี 2 ชั้น รูปที่ 1 ( a ) แสดงการกระจายเดิมของชุดข้อมูลวงกลมจุดเป็นตัวแทนของตัวอย่างส่วนใหญ่และบวกสัญญาณตัวอย่างส่วนน้อยประการแรก เราใช้เส้นก็หาเส้นตัวอย่างของเรียนน้อย ซึ่งแสดงโดยเส้นสี่เหลี่ยมในรูปที่ 1 ( B ) แล้วใหม่ , สังเคราะห์ตัวอย่างจะถูกสร้างขึ้นผ่านเส้นนั้นตัวอย่างของชนกลุ่มน้อยชนชั้น ที่ตัวอย่างสังเคราะห์จะแสดงในรูปที่ 1 ( ค ) กับสี่เหลี่ยมกลวง มันเป็นเรื่องง่ายที่จะหาจากตัวเลขที่แตกต่างจากวิธีการตีของเรามากกว่าตัวอย่าง หรือเสริมสร้างเส้นและจุดใกล้เคียงของชนกลุ่มน้อยของชั้นเรียน