文件名称：smote的matlab代码-smrt:通过使用变分自动编码器生成少数类的综合观察，智能地处理类不平衡
文件大小：67.01MB
文件格式：ZIP
更新时间：2024-07-09 00:54:53
系统开源
smote的matlab代码 合成少数重建技术 () 使用 SMOTE 更年轻、更老练的表亲，更智能地处理您的班级失衡 安装 安装很容易。 将项目克隆到您的机器上并安装所需的依赖项后，只需使用setup.py文件： $ git clone https://github.com/tgsmith61591/smrt.git $ cd smrt $ python setup.py install 关于 SMRT（Sythetic Minority Reconstruction Technique）是新的SMOTE（Synthetic Minority Oversampling Technique）。 使用变分自动编码器，SMRT 学习最能重构每个少数类中观察的潜在因素，然后生成合成观察，直到少数类以用户定义的与多数类大小相关的比率表示。 SMRT 避免了 SMOTE 最大的风险之一：在 SMOTE 中，当从其 k 最近邻中抽取随机观测值进行综合重构时，可能会选择“边界点”或非常接近决策边界的观测值。 这可能会导致合成生成的观测值离可靠分类的决策边界太近，并可能导致估计器的性能下降。 SMRT
【文件预览】：
smrt-master
----.travis.yml(956B)
----.coveragerc(207B)
----AUTHORS.md(331B)
----LICENSE(1KB)
----smrt()
--------autoencode()
--------utils.py(3KB)
--------testing()
--------tests()
--------__init__.py(807B)
--------setup.py(885B)
--------balance()
----setup.cfg(777B)
----requirements.txt(56B)
----doc()
--------jmlr2e.sty(13KB)
--------references.bib(3KB)
--------no-balance.png(71KB)
--------smote-balance.png(69KB)
--------smrt.tex(16KB)
----examples()
--------img()
--------data()
--------MNIST example.ipynb(324KB)
--------performance_evaluation.ipynb(243KB)
----setup.py(6KB)
----.gitignore(1KB)
----build_tools()
--------travis()
----README.md(3KB)