دانلود ترجمه مقاله الگوریتم SMOTE مبتنی بر الگوریتم ژنتیک برای رده بندی داده ها

1. مقدمه 2. تکنیک های پیشرفته 3. روش 4. نتایج، تحلیل و بحث و بررسی 5. نتیجه گیری

چکیده – رده بندی داده های نامتوازن بعنوان مشکل عمده یادگیری ماشین و داده کاوی قلمداد می شود. در دیتاست نامتوازن، موارد اقلیت به اشتباه رده بندی می شوند. زمانیکه تکنیک بیش‌نمونه‌گیری اقلیت مصنوعی (SMOTE) به رده بندی دیتاست نامتوازن اعمال شد، نرخ نمونه گیری مشابه برای تمام نمونه های رده ی اقلیت در فرایند ساخت نمونه های جدید تعیین می شود. برای غلبه بر این مشکل، بهبود الگوریتم SMOTE مبتنی بر الگوریتم ژنتیکی (GA)، یعنی GASMOTE پیشنهاد شد. اولا، GASMOTE، نرخ نمونه گیری متفاوتی برای نمونه رده های اقلیت متفاوت تعیین می کند. ترکیب نرخ نمونه گیری با یک فرد در جمعیت متناظر می شود. دوما، عملگرهای انتخاب، ترکیب و جهش GA بطور تکراری به جمعیت اعمال می شوند تا بهترین ترکیب از نرخ نمونه گیری به هنگام توقف معیارها بدست آید. در نهایت، بهترین ترکیب از نرخ نمونه گیری در SMOTE استفاده شد تا نمونه های جدیدی بدست آید. نتایج تجربی 10 دیتاست نامتوازن نشان می دهند که GASMOTE، در مقایسه با الگوریتم SMOTE مقدار معیار F را تا 5.9% و مقدار میانگین G را تا 1.6% افزایش می دهد. ضمنا، GASMOTE، در مقایسه با الگوریتم SMOTE مرزی مقدار معیار F را تا 3.7% و مقدار میانگین G را تا 2.3% افزایش می دهد. GASMOTE را می توان بعنوان تکنیک بیش نمونه گیری جدید جهت حل مسئله رده بندی دیتاست نامتعادل بکار برد. الگوریتم GASMOTE را می توان در روش مهندسی عملی، یعنی پیش بینی ریزش مربوط به دیتاست ریزش VCR اتخاذ کرد. نتایج تجربی نشان می دهند که الگوریتم GASMOTE می تواند بدرستی به پیش بینی وقوع ریزش پرداخته و راهنمای طراحی و ساخت سازه های مهندسی کاش عمیق امن را فراهم آورد.

Classification of imbalanced data has been recognized as a crucial problem in machine learning and data mining. In an imbalanced dataset, minority class instances are likely to be misclassified. When the synthetic minority over-sampling technique (SMOTE) is applied in imbalanced dataset classification, the same sampling rate is set for all samples of the minority class in the process of synthesizing new samples, this scenario involves blindness. To overcome this problem, an improved SMOTE algorithm based on genetic algorithm (GA), namely, GASMOTE was proposed. First, GASMOTE set different sampling rates for different minority class samples. A combination of the sampling rates corresponded to an individual in the population. Second, the selection, crossover, and mutation operators of GA were iteratively applied to the population to obtain the best combination of sampling rates when the stopping criteria were met. Lastly, the best combination of sampling rates was used in SMOTE to synthetize new samples. Experimental results on 10 typical imbalanced datasets show that GASMOTE increases the F-measure value by 5.9% and the G-mean value by 1.6% compared with the SMOTE algorithm. Meanwhile, GASMOTE increases the F-measure value by 3.7% and the G-mean value by 2.3% compared with the borderline-SMOTE algorithm. GASMOTE can be utilized as a new over-sampling technique to address the problem of imbalanced dataset classification. The GASMOTE algorithm can be then adopted in a practical engineering application, namely, prediction of rockburst in VCR rockburst datasets. The experimental results indicate that the GASMOTE algorithm can accurately predict the rockburst occurrence and thus provides guidance to the design and construction of safe deep-mining engineering structures.