跳到正文
arXiv · ML· Ahmed Awad, Anirudh Sengar·· 4 天前AI 评分21

标签延迟与概念漂移下不平衡数据流的过采样决策框架

When Does Oversampling Help? A Decision Framework for Imbalanced Data Streams Under Label Delay and Concept Drift

AI 导读

研究通过15个分类器在12条数据流上的实验,提出了不平衡数据流中过采样与连续重估的决策框架。 框架围绕漂移密度、少数类可学习性和延迟相对精化窗口三轴展开。重估在漂移活跃流中恢复延迟损失,但在静止流中无效。 过采样在真实数据中仅在一种配置下边际贡献显著,合成流的Pareto推荐无法迁移至真实场景。

来源:arXiv · ML · arxiv.org