极端类别不平衡与时间相干性的挑战：基于太阳耀斑数据的研究
机器学习
2019-11-21 v1 太阳与恒星天体物理
机器学习
摘要
在罕见事件的分析中，无论应用领域如何，类别不平衡问题都是固有的。尽管数据专家已知这些挑战，但它们对分析以及基于发现所做决策的明确影响常被忽视。这在跨学科研究中尤为普遍，其中理论方面有时被应用挑战所掩盖。为展示这些不良影响，我们基于一个名为太阳耀斑空间天气分析(SWAN-SF)的近期基准数据集开展了一系列实验。这是一个活动区磁参数的多元时间序列数据集。作为不平衡问题的补救，我们研究了数据操控(欠采样与过采样)和模型操控(使用类别权重)的影响。此外，我们聚焦于由监测耀斑历史所采用滑动窗口所继承的时间序列自相关。我们称此现象为时间相干性，它违背了随机性假设，从而影响包括不同交叉验证技术在内的所有采样实践。我们阐明未能注意此概念如何会人为抬高预报性能并导致误导性结论。在整个研究中，我们使用支持向量机作为分类器，并使用真技巧统计作为比较实验的验证度量。我们通过明确每种情况下的正确实践来总结工作，并希望本研究能惠及其他关注罕见事件时间序列的领域的研究者。
引用
@article{arxiv.1911.09061,
title = {Challenges with Extreme Class-Imbalance and Temporal Coherence: A Study on Solar Flare Data},
author = {Azim Ahmadzadeh and Maxwell Hostetter and Berkay Aydin and Manolis K. Georgoulis and Dustin J. Kempton and Sushant S. Mahajan and Rafal A. Angryk},
journal= {arXiv preprint arXiv:1911.09061},
year = {2019}
}
备注
9 pages, 9 figures, and 1 table, accepted in IEEE BigData 2019