بررسی توابع کرنل الگوریتم SVM در دقت کلاس بندی داده های نامتوازن در بازه های مختلف نرخ عدم توازن

کاوش داده ها در دنیای واقعی همواره با مشکل نامتوازن بودن مجموعه داده ها روبرو است. این مشکل هنگامی رخ می دهد که تعداد نمونه ها در کلاس های گوناگون اختلاف بسیاری داشته باشند. نحوه برخورد با داده های نامتوازن همواره به عنوان یک مسئله ی چالش پذیر در داده کاوی شناخته می شود. یکی از این شیوه ها استفاده از ماشینهای بردار کرنل های مختلف به مقایسه گذاشته شده و کرنل ها به ترتیب توانایی بازه های مختلف نرخ عدم توازن مرتب شده آند.

کلیدواژه ها:

داده های نامتوازن ، ماشین های بردار پشتیبان ، نرخ عدم تازن ، کرنل (هسته)