在不平衡心血管疾病数据集上研究合成少数类过采样技术（SMOTE）
医学物理
2020-04-09 v1
摘要
在这项工作中，我们采用合成少数类过采样技术（SMOTE）来生成不平衡冠状动脉疾病数据集的少数类样本。我们首先分析公开数据集 Z——Alizadeh Sani，这是一个用于冠状动脉疾病非侵入式预测的数据集。我们进行特征选择以排除与冠状动脉疾病风险无关的属性。新样本的生成使用 SMOTE 完成，这是一种常用于机器学习任务的技术。我们设计了人工神经网络、决策树和支持向量机来对原始数据集和增强后的数据集进行分类。结果表明，数据增强在特定情况下可能有益，但并非万能药，其在特定数据集上的应用应仔细考察。
引用
@article{arxiv.2004.04101,
title = {Investigating the Synthetic Minority class Oversampling Technique (SMOTE) on an imbalanced cardiovascular disease (CVD) dataset},
author = {Ioannis D. Apostolopoulos},
journal= {arXiv preprint arXiv:2004.04101},
year = {2020}
}