Código QR (código de barras bidimensional)

OUCH: Oversampling and Undersampling Cannot Help Improve Accuracy in Our Bayesian Classifiers That Predict Preeclampsia

Unbalanced data can have an impact on the machine learning (ML) algorithms that build predictive models. This manuscript studies the influence of oversampling and undersampling strategies on the learning of the Bayesian classification models that predict the risk of suffering preeclampsia. Given the...

ver descrição completa

Na minha lista:
Principais autores: Franklin Parrales-Bravo, Rosangela Caicedo-Quiroz, Elena Tolozano-Benitez, Víctor Gómez-Rodríguez, Lorenzo Cevallos-Torres, Jorge Charco-Aguirre, Leonel Vasquez-Cevallos
Formato: Artigo
Idioma:Inglês
Publicado em: MDPI AG 2024-10-01
coleção:Mathematics
Assuntos:
preeclampsia
bayesian network classifiers
class imbalance
oversampling
undersampling
SMOTE-NC
Acesso em linha:https://www.mdpi.com/2227-7390/12/21/3351
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!

Registros relacionados