CIGAN：一个利用生成对抗网络处理类别不平衡的Python包
机器学习
2022-08-08 v1
摘要
机器学习中的一个关键挑战是类别不平衡，即某些类别（多数类）的样本量远高于其他类别（少数类）。若直接在不平衡数据上训练分类器，分类器更可能将新样本预测为多数类之一。在极端情形下，分类器可能完全忽略少数类。这在医疗健康领域会产生严重的社会学影响，因为少数类通常是疾病类（如死亡或阳性临床检测结果）。本文介绍一个利用生成对抗网络（GAN）对少数类过采样从而改进下游分类的软件。据我们所知，这是首个支持多类分类（目标可具任意数量类别）的工具。该工具代码已在我们的github仓库公开（https://github.com/yuxiaohuang/research/tree/master/gwu/working/cigan/code）。
引用
@article{arxiv.2208.02931,
title = {CIGAN: A Python Package for Handling Class Imbalance using Generative Adversarial Networks},
author = {Yuxiao Huang and Yan Ma},
journal= {arXiv preprint arXiv:2208.02931},
year = {2022}
}
备注
13 pages, 3 figures, 1 table