目前客户流失预测面临的主要问题之一就是类不平衡性（class imbalance）。针对这个问题,首先应用欠抽样法（undersampling）处理客户流失数据降低不平衡性,再应用C4.5D、C4.5N、RIPPER、NaiveBayes和Ran...
基于12个网页-相关网页
Class-imbalance 类别不平衡 ; 不平衡类 ; 类不平衡
class imbalance learning 一种类别不均衡学习
class distribution imbalance problem 现实中样本在不同类别上的不均衡分布
In this paper,three challenges in text categorization are explored,i. e. ,class imbalance,feature selection and bottleneck of annotation.
本文挑选文本分类中的3个困难与挑战进行了研究:数据集偏斜(数据集关于类别的分布是偏斜的,即类偏斜)、特征选择、小样本问题(标注瓶颈)。
参考来源 - 文本分类技术与应用研究·2,447,543篇论文数据，部分数据来源于NoteExpress
At present, researches on class imbalance problems mainly focus on two aspects: dataset processing and classification method improving.
目前国际上对类别不平衡数据的研究主要集中在两个个层面：对数据集的处理和对分类算法的改进。
In order to improve the class accuracy of small number of samples caused by the imbalance of sample number, weight of sample difference is introduced.
首先为克服由于样本数量不平衡性引起的小样本类别精度差的问题，引入由于样本差异的权重；
Abstract: Recently, the problem of Class-imbalance has become a hotspot in machine learning and data mining.
摘要：最近在机器学习和数据挖掘上，非平衡类问题成为了一个研究热点。
应用推荐