ASTra：一种新颖的算法级不平衡分类方法
机器学习
2022-09-07 v1
摘要
我们提出了一种新颖的输出层激活函数，命名为 ASTra（非对称 Sigmoid 传递函数），它使得在高度不平衡场景下对少数类样本的分类更易处理。我们将其与一个有助于有效针对少数类误分类的损失函数相结合。这两种方法可以一起或单独使用，对于最严重的不平衡情况推荐使用组合方式。所提出的方法在类别不平衡比（IR）从 588.24 到 4000 且少数类样本极少（某些数据集中少至五个）的数据集上进行了测试。使用具有 2 到 12 个隐藏单元的神经网络的实验结果被证明与近期一项部署了多种复杂混合数据级集成分类器的研究所得结果相当或更优。
引用
@article{arxiv.2209.01685,
title = {ASTra: A Novel Algorithm-Level Approach to Imbalanced Classification},
author = {David Twomey and Denise Gorse},
journal= {arXiv preprint arXiv:2209.01685},
year = {2022}
}