Browsing by Author "TSAI, Ming-Shuo"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Adjustment Methods for Support Vector Machines with Imbalanced Data
    (2024) 蔡明碩; TSAI, Ming-Shuo
    在各種的資料集中，資料不平衡是機器學習領域中常見的現象，可以明顯影響模型訓練的結果。在各種提出的眾多解決方案中，最常使用的方法是合成少數資料的過採樣技術（Synthesized Minority Oversampling Technique, SMOTE），它在解決資料不平衡的同時實現了高度準確的分類。在這篇研究中，我們通過設置不同的參數來生成隨機資料，從而平衡資料比例，探討支持向量機（Support Vector Machines, SVM）在分類不平衡資料時的結果，此方法與過採樣技術都是用生成資料，達到資料比例趨於平衡，以實驗結果來說，兩者達到相似的效果。此外我們利用二分搜索算法來改善原始SVM提供的結果，提高少數類的分類效果，二元搜尋法的SVM可以在不需要生成資料的情況下，得到更好得分類結果。最後，我們將結果與過採樣技術方法進行比較。實驗結果顯示，二元搜尋法的SVM可以使少數族群得到更好的分群效果，同時平衡資料比例的隨機資料生成方法，也可以在資料比例相近時提高分類結果。