모델을 통한 데이터 불균형 문제 해결 - 비용기반 학습 / 단일 클래스 분류기법

앞선 2개의 포스팅에서는 sampling을 통해 즉, 데이터를 조정하여 데이터 불균형 문제를 해결하는 방법에 대해서 알아봤습니다. 이번 포스팅에서는 모델을 통한 데이터 불균형 문제를 해결하는 방안에 대해서 알아보려고 합니다. 비용기반 학습(Cost sensitive learning)과 단일 클래스 분류기법(Novelty detection)에 대해 소개합니다. ** 본 포스팅은 pc 버전에 최적화 되어 있습니다. ** ** 본 포스팅은 고려대학교 김성범 교수님 유튜브 강의를 참고해 정리한 글입니다. ** 데이터 불균형 해소를 위한 여러가지 샘플링 기법 - Over Sampling 편 오늘은 데이터 불균형 해소 방법에 대해 포스팅하려고 합니다. 데이터 불균형은 sampling(over sampling, u... blog.naver.com 데이터 불균형 해소를 위한 여러가지 샘플링 기법 - Under Sampling 편 이전 포스팅에서 데이터 불균형 해소 방법 중 over sampling...

원문링크 : 모델을 통한 데이터 불균형 문제 해결 - 비용기반 학습 / 단일 클래스 분류기법