ROS وRUS وSMOTE قبل وبعد
ROS, RUS and SMOTE before and after
مقارنة إعادة المعاينة العشوائية بالزيادة والنقصان وSMOTE، ورؤية النقاط الاصطناعية.
Englishالفكرة
تُطبّق الطريقة على بيانات التدريب فقط ويُقيَّم على اختبار لم يُلمس.
وصف البيانات
بيانات اصطناعية تولّد في متصفحك من توزيعات معلنة؛ لا تحتوي أي بيانات شخصية حقيقية.
التجربة التالية المقترحة
مفاهيم هذه التجربة
معادلة توليد مثال SMOTE (SMOTE synthesis)
x_nn أحد أقرب k جيران x_i من الفئة نفسها.
x_{\text{new}}=x_i+\lambda\,(x_{nn}-x_i),\quad \lambda\sim U(0,1)SMOTE (Synthetic Minority Over-sampling Technique)
يولد أمثلة اصطناعية للفئة النادرة بالاستيفاء الخطي بين مثال وأحد أقرب جيرانه k من الفئة نفسها (Chawla وآخرون 2002). يجب تطبيقه على بيانات التدريب فقط وبعد التقسيم، وداخل كل طية في التحقق المتقاطع؛ تطبيقه قبل التقسيم يسرب معلومات الاختبار ويضخم النتائج.
زيادة العينات وتقليلها عشوائياً (ROS / RUS)
ROS يكرر أمثلة الفئة النادرة عشوائياً، وRUS يحذف أمثلة من فئة الأغلبية عشوائياً. الأول قد يسبب الإفراط في التعلم، والثاني يفقد معلومات.
المراجع العلمية للتجربة
- SMOTE: Synthetic Minority Over-sampling Technique (arXiv:1106.1813)N. V. Chawla, K. W. Bowyer, L. O. Hall, W. P. Kegelmeyer (2002) — ورقة علمية
- imbalanced-learn — SMOTEimbalanced-learn developers (2025) — أداة
