用于处理不可靠缺失标签和类别不平衡的机器学习框架——针对海洋刺手滞留预测
机器学习
2025-01-22 v1 人工智能
机器学习
摘要
蓝兵(Physalia spp.)是类似水母的海洋刺手，其在澳大利亚海滩上的存在因其致毒性质而对公众构成显著风险。了解蓝兵滞留的环境因素对于缓解其影响至关重要，而机器学习工具目前仍鲜有探索。我们使用来自澳大利亚东部悉尼海滩的蓝兵 Presence/Absence 数据，并比较机器学习模型(多层感知器、随机森林和 XGBoost)以识别影响其存在的因素。我们通过采用数据增强技术，包括合成少数过采样技术(SMOTE)、随机欠采样和合成负采样法(不包含负类)，来处理类别不平衡、类别重叠和不可靠缺失数据的问题。我们的结果表明，SMOTE未能解决类别重叠，但以存在为主的方法有效处理了不平衡、类别重叠和模糊缺失数据。数据属性如风向(为循环变量)成为影响蓝兵存在的关键因素，确认了先前的推断研究。然而，在缺乏种群动态、生物行为和生命周期的情况下，最佳预测模型似乎是随机森林结合合成负采样法。该研究不仅有助于缓解蓝兵对海滩游客的风险，还为在环境建模中处理类别重叠和不可靠负类提供了见解。
引用
@article{arxiv.2501.11293,
title = {A Machine Learning Framework for Handling Unreliable Absence Label and Class Imbalance for Marine Stinger Beaching Prediction},
author = {Amuche Ibenegbu and Amandine Schaeffer and Pierre Lafaye de Micheaux and Rohitash Chandra},
journal= {arXiv preprint arXiv:2501.11293},
year = {2025}
}