只为小站
首页
域名查询
文件下载
登录
Python_Health-Insurance-Cross-Sell-Prediction-based-on-
Imbalanced
-data:在该项目中,我们将现代机器学习技术应用于保险单持有人的数据,以分析和预测其行为。 使用Python语言,我们对数据的处理方法产生了令人兴奋的见解,可以帮助保险公司进行业务建模
基于不平衡数据的Python_Health-Insurance-交叉销售预测 在该项目中,我们将现代机器学习技术应用于保险单持有人的数据,以分析和预测其行为。 使用Python语言,我们对数据的处理方法产生了令人兴奋的见解,可以帮助保险公司进行业务建模。
2023-03-17 18:20:03
6.05MB
JupyterNotebook
1
smote的matlab代码-
imbalanced
-algorithms:基于Python的不平衡数据学习算法实现
smote的matlab代码ND DIAL:不平衡算法 用于不平衡学习的基于 Python 的极简算法实现。 包括深度和表征学习算法(通过 TensorFlow 实现)。 下面是当前实现的方法的列表。 欠采样 带/不带替换的随机多数欠采样 过采样 SMOTE - 合成少数过采样技术 DAE - 去噪自编码器 ( TensorFlow ) GAN - 生成对抗网络 ( TensorFlow ) VAE - 变分自动编码器( TensorFlow ) 集成采样 RAMOBoost RUSBoost SMOTEBoost 参考: : NV Chawla、KW Bowyer、LO Hall 和 P. Kegelmeyer。 “SMOTE:合成少数过采样技术。” 人工智能研究杂志 (JAIR),2002。 :P. Vincent、H. Larochelle、I. Lajoie、Y. Bengio 和 P.-A. 曼扎戈尔。 “堆叠降噪自动编码器:在具有局部降噪标准的深度网络中学习有用的表示”。 机器学习研究杂志 (JMLR),2010 年。 :IJ Goodfellow、J. Pouget-Ab
2022-10-08 10:58:36
28KB
系统开源
1
hadoop-
imbalanced
-preprocessing:MapReduce 使用 Hadoop 实现随机过采样、随机欠采样和“合成少数过采样技术”(SMOTE)算法
MapReduce 使用 Hadoop 实现随机过采样、随机欠采样和“合成少数过采样技术”(SMOTE)算法 大数据的随机过采样:MapReduce 的近似 随机过采样 (ROS) 算法已适应于遵循 MapReduce 设计来处理大数据,其中每个 Map 进程负责通过少数类实例的随机复制来调整映射器分区中的类分布,Reduce 进程负责收集每个映射器生成的输出以形成平衡数据集。 该过程如图 1 所示,包括四个步骤:初始、映射、缩减和最终。 图 1:ROS MapReduce 设计如何工作的流程图。 大数据的随机欠采样:按照MapReduce程序选择样本 适用于处理大数据的随机欠采样 (RUS) 版本遵循 MapReduce 设计,其中每个 Map 进程负责按类对其数据分区中的所有实例进行分组,Reduce 进程负责收集每个映射器的输出并平衡通过随机消除多数类实例来形成平衡数据集的类分布。
2022-04-07 14:50:47
501KB
Java
1
smote的matlab代码-lab-
imbalanced
-data:实验室不平衡数据
smote的matlab代码 实验室 | 不平衡的数据 我们将使用files_for_lab/customer_churn.csv数据集来构建流失预测器。 指示 加载数据集并探索变量。 我们将尝试使用变量tenure 、 SeniorCitizen 、 MonthlyCharges的逻辑回归来预测变量Churn 。 提取目标变量。 提取自变量并对其进行缩放。 构建逻辑回归模型。 评估模型。 即使是一个简单的模型也会给我们超过 70% 的准确率。 为什么? 合成少数过采样技术(SMOTE)是一种基于最近邻的过采样技术,它在现有点之间添加新点。 将imblearn.over_sampling.SMOTE应用于数据集。 构建和评估逻辑回归模型。 有什么改善吗? Tomek 链接是一对非常接近的实例,但属于相反的类。 删除每对多数类的实例会增加两个类之间的空间,从而促进分类过程。 将imblearn.under_sampling.TomekLinks应用于数据集。 构建和评估逻辑回归模型。 有什么改善吗?
2022-01-03 12:46:31
165KB
系统开源
1
smote的matlab代码-machine-learning-
imbalanced
-data:在线课程MachineLearningwith
smote的matlab代码使用不平衡数据进行机器学习 - 代码库 2020 年 11 月出版 链接 目录 指标 精度的限制 精度、召回率、F-Measure 混淆矩阵 假阳性率和假阴性率 几何平均数 支配地位 不平衡精度指标 ROC-AUC 精确召回曲线 概率分布和校准 要优化的指标 欠采样方法 随机欠采样 浓缩最近邻 托梅克链接 单面选择 编辑最近的邻居 重复编辑最近邻 所有 KNN 邻里清洁规则 有惊无险 实例硬度阈值 过采样方法 随机过采样 ADASYN SMOTE BorderlineSMOTE KMeansSMOTE 斯莫腾 SVMSMOTE 过采样和欠采样方法 斯摩腾 SMOTETomek 集成方法 即将推出 成本敏感学习 成本类型 获取成本 误分类成本 贝叶斯风险 元成本 概率校准 概率校准曲线 Brier 分数 欠采样和过采样对概率校准的影响 成本敏感学习和概率校准 校准分类器
2021-12-29 13:02:14
6.25MB
系统开源
1
不平衡数据的集成分类算法综述
集成学习是通过集成多个基分类器共同决策的机器学习技术,通过不同的样本集训练有差异的基分类器,得到的集成分类器可以有效地提高学习效果。在基分类器的训练过程中,可以通过代价敏感技术和数据采样实现不平衡数据的处理。由于集成学习在不平衡数据分类的优势,针对不平衡数据的集成分类算法得到广泛研究。详细分析了不平衡数据集成分类算法的研究现状,比较了现有算法的差异和各自存在的优点及问题,提出和分析了有待进一步研究的问题。
2021-12-01 20:44:42
390KB
不平衡数据;集成学习;分类;代价敏感;数据采样
imbalanced
data;ensemble
learning;classification;cost-sensitive;data
1
smote_variants:具有多类过采样和模型选择功能的用于不平衡学习的85种少数群体过采样技术(SMOTE)的集合-源码
用于不平衡学习的SMOTE变量 介绍 该软件包实现了综合少数族裔过采样技术(SMOTE)的85个变体。 除了实现之外,还提供了易于使用的模型选择框架,以能够对未见数据集的过采样技术进行快速评估。 所实现的技术: [Borderline_SMOTE1] , [Borderline_SMOTE2] , [ADASYN] , [AHC] , [LLE_SMOTE] , [distance_SMOTE] , [单加氧酶] , [polynom_fit_SMOTE] , [Stefanowski ] , [ADOMS] , [Safe_Level_SMOTE] , [MSMOTE] , [DE_oversampling] , [SMOBD] , [SUNDO] , [MSYN] , [SVM_balance] , [TRIM_SMOTE] , [SMOTE_RSB] , [ProWSyn]
2021-11-25 19:10:39
15MB
imbalanced-data
smote
oversampling
imbalanced-learning
1
Imbalanced
-Learning:现实世界数据集的学习失衡。 在加拿大的公共道路上对汽车碰撞数据集建模-源码
加拿大机动车碰撞(1999-2017) 在现实世界的数据集中,类不平衡是一个普遍的问题。 当一个类别(称为多数或否定类别)远远超过另一类别(称为少数或肯定类别)时,就会出现不平衡的数据集。 当正类是关注类时,就会出现类不平衡问题。 我们已经获得了具有固有的不平衡类问题的机动车碰撞的真实世界数据集。 数据集信息: 探索性数据分析 项目目标 了解加拿大公共道路上致命事故的原因,例如车辆型号,年龄段,道路状况等。 建立机器学习预测模型以对致命和非致命碰撞进行分类。 练习技巧 在这个项目中,我们将学习以下技能 数据清理 探索性数据分析 学习不平衡和成本敏感的方法 欠采样 综合少数采样技术(SMOTE) 高级分类模型,例如随机森林分类器和XGBoost 精确调用(PR)曲线和PR曲线下的面积(AUPR) 接收器工作特性(ROC)曲线和ROC下面积(AUROC)
2021-11-02 15:52:16
7.16MB
JupyterNotebook
1
imbalanced
-regression:深入研究不平衡回归-源码
深入研究不平衡回归 该存储库包含纸张的实现代码:。 深度失衡回归(DIR)旨在从具有连续目标的失衡数据中学习, 处理某些区域的潜在缺失数据,并推广到整个目标范围。 超越不平衡分类:DIR简介 从不平衡数据中学习的现有技术集中于具有分类索引的目标,即目标是不同的类别。 但是,许多实际任务涉及连续甚至无限的目标值。 我们系统地研究了深度失衡回归(DIR) ,其目的是从自然失衡数据中学习连续目标,处理某些目标值的潜在缺失数据,并推广到整个目标范围。 我们为计算机视觉,自然语言处理和医疗保健领域中常见的现实世界任务设计和基准化大规模DIR数据集,范围从单值预测(例如年龄,文本相似性得分,健康状况得分到密集值预测)例如深度。 更新 [02/18/2021]发布了。 该代码目前正在清理中。 请随时关注更新。 引文 @article { yang2021delving , title = {
2021-10-24 11:49:30
100KB
regression
imbalanced-data
imbalanced-learning
long-tail
1
Imbalanced
-Classification:包含用于我的不平衡分类培训课程的 Python 代码!-源码
不平衡分类 这个 repo 包含我的不平衡分类培训课程的 Python 代码和数据!
2021-09-15 17:15:18
593KB
JupyterNotebook
1
个人信息
点我去登录
购买积分
下载历史
恢复订单
热门下载
基于傅里叶算子的手势识别的完整源代码(Python实现,包含样本库)
STM32F4时钟触发ADC双通道采样DMA传输进行FFT+测频率+采样频率可变+显示波形
MPC 模型预测控制matlab仿真程序
毕业设计:基于Python的网络爬虫及数据处理(智联招聘)
MVDR,Capon波束形成DO估计.zip
2019西门子杯六部十层电梯群控参考程序.zip
粒子群多无人机协同多任务分配.zip
python实现的学生信息管理系统—GUI界面版
大唐杯资料+题库(移动通信)
BP_PID控制仿真.rar
适用于eNSP 1.3.00 可加载的USG6000V防火墙设备包
scratch版 我的世界.sb2
基于matlab的车牌识别系统设计
Academic+Phrasebank+2021+Edition+_中英文对照.pdf
多目标微粒子群算法MOPSO MATLAB代码
最新下载
libstdc++.so.6.0.29
Arduino飞鼠 空中鼠标 陀螺仪
淡抹夕阳登陆器源码...比较完整
秒画空间免费拆单软件,前后端一体打通
程明明matlab代码-152113:基底神经节-皮质丘脑(BGCT)网络(Chen等,2014)
AutoCADVBA开发精彩实例教程
共享内存实现进程间通信
Altium desiner C51元器件库
云熙拆单免狗2018-带排版软件
S905刷机包armbian,Armbian_5.99_Aml-g12_Ubuntu_bionic_default_5.3.0
其他资源
UTD2000CEX上位机软件.rar
Linux 下编译好的liblas库文件,包含了libgeotiff、libtiff库,可以直接用
八木天线的设计仿真与测试
图书管理系统(Java开发源代码+mysql数据库)
PcModWin4.0操作指南
全套年会音乐
编译原理——语法分析器(递归下降分析法 )
考场排座位,4个班学生,同班不相邻,每场30人
运维服务规范
2020年中国广告市场回顾(数据版).pdf
bbs_framework.rar
ILI9221DS_V0.2.pdf
orderFood.rar
并行多家族遗传算法
bp神经网络预测汽油浓度
文都计算机统考辅导班资料
一个delphi封装的WinHttp
glew.h glew.dll glew32.lib
计算机网络期末复习重点
2048-AI-master 的源码