دانلود مقاله مطالعه ای در مورد استفاده از رمزگذارهای خودکار عمیق برای دوتایی نامتعادل طبقه بندی
موضوع انگلیسی:A study on using deep autoencoders for imbalanced binary
classification
زبان: انگلیسی
فرمت فایل: pdf
تعداد صفحه:10
سال انتشار:2021
چکیده
طبقه بندی متوازن به عنوان توزیع نابرابر کلاس ها در داده های آموزشی ، یک چالش برای یادگیری تحت نظارت است
مجموعه عمدتا به عملکرد پیش بینی ضعیف برای اقلیت مرتبط است. با این حال ، معمولاً طبقه اقلیت بیشترین طبقه است
مربوط ، از منظر عملی اما به دلیل عدم تعادل داده های آموزشی ، خطاهای طبقه بندی برای
طبقه اقلیت بالاتر است ، زیرا طبقه بندی کننده ها معمولاً برای پیش بینی طبقه اکثریت سوگیری دارند. در این مقاله ما استفاده از
رمزگذارهای خودکار برای بهبود عملکرد پیش بینی برای مشکلات طبقه بندی دوتایی نامتعادل ما به عنوان یک حوزه کاربردی
تشخیص سرطان پستان را در نظر بگیرید ، این یک مشکل طبقه بندی نامتعادل است که در حوزه پزشکی بسیار مورد توجه است. با توجه
از نظر سازمان بهداشت جهانی ، سرطان پستان عامل اصلی مرگ و میر ناشی از سرطان در زنان است. امروزه وجود دارد
افزایش علاقه به استفاده از یادگیری ماشین معمولی و اخیراً تکنیک های یادگیری عمیق در سرطان سینه
زمینه تشخیص با کمک به متخصصان پزشکی در تشخیص زودهنگام بیماری. یکی از اهداف این مقاله ، بررسی توانایی آن است
رمزگذارهای خودکار عمیق برای یادگیری الگوها در کلاسهای موارد خوش خیم و بدخیم. در مرحله دوم ، ما دو مورد را پیشنهاد و مقایسه می کنیم
مدلهای طبقه بندی مبتنی بر خودکار برای تشخیص سرطان پستان عملکرد مدلهای پیشنهادی به صورت تجربی بود
بر روی مجموعه داده هایی که قبلاً در ادبیات تشخیص سرطان پستان استفاده شده بود ، ارزیابی شد. نتایج نشان می دهد که بهترین مدل ما مقایسه می کند
نتایج مطلوب اکثر طبقه بندی کننده هایی که برای مقایسه استفاده شده اند و اینکه می تواند عدم تعادل داده ها را به خوبی اداره کند