基于多元 GAN 的磁盘故障预测模型数据层混合策略选择
机器学习
2023-10-11 v1 机器学习
摘要
数据类不平衡是分类问题中的常见问题，其中少数类样本往往更重要，且误分类代价更高。因此，解决数据类不平衡分类问题非常重要。SMART 数据集表现出明显的类不平衡，包含大量健康样本和相对较少的缺陷样本。该数据集可作为磁盘健康状态的可靠指标。在本文中，我们通过混合和整合由多元生成对抗网络（GAN）合成的数据，在数据层面对磁盘 SMART 数据集进行平衡，从而为特定分类模型获得最佳平衡磁盘 SMART 数据集；并结合遗传算法，在特定分类模型上获得更高的磁盘故障分类预测准确率。
引用
@article{arxiv.2310.06537,
title = {Data-level hybrid strategy selection for disk fault prediction model based on multivariate GAN},
author = {Shuangshuang Yuan and Peng Wu and Yuehui Chen},
journal= {arXiv preprint arXiv:2310.06537},
year = {2023}
}