PRZEWODNICZĄCY I RADA DYSCYPLINY INFORMATYKI TECHNICZNEJ I TELEKOMUNIKACJI AKADEMII GÓRNICZO-HUTNICZEJ im. ST. STASZICA W KRAKOWIE |
|
---|---|
zapraszają na publiczą dyskusję nad rozprawą doktorską mgr inż. Michała Koziarskiego |
|
Imbalanced data preprocessing techniques utilizing local data characteristics | |
Termin: | 26 listopada 2021 roku o godz. 12:30 |
Miejsce: | spotkanie w formie online, link do spotkania: https://tinyurl.com/sk39e6zm |
PROMOTOR: | prof. dr hab. inż. Bogusław Cyganek, Wydział Informatyki, Elektroniki i Telekomunikacji, AGH |
PROMOTOR POMOCNICZY: | dr inż. Bartosz Krawczyk, Department of Computer Science, Virginia Commonwealth University |
RECENZENCI: | prof. nadzw. dr hab. inż. Michał Choraś, Wydział Telekomunikacji, Informatyki i Elektrotechniki, Politechnika Bydgoska |
dr hab. inż. Robert Burduk, Wydział Elektroniki, Politechnika Wrocławska | |
Z rozprawą doktorską i opiniami recenzentów można się zapoznać w Czytelni Biblioteki Głównej AGH, al. Mickiewicza 30 |
mgr inż. Michał Koziarski
Promotor: prof. dr hab. inż. Bogusław Cyganek (AGH)
Promotor pomocniczy: dr inż. Bartosz Krawczyk (VCU)
Dyscyplina: Informatyka
Niezbalansowanie danych, czyli dysproporcja pomiędzy liczbą obserwacji treningowych należących do różnych klas, pozostaje jednym z najbardziej istotnych wyzwań współczesnego uczenia maszynowego. Negatywny wpływ niezbalansowania danych na tradycyjne algorytmy klasyfikacji może być zredukowany poprzez zastosowanie metod wstępnego przetwarzania danych, czyli algorytmów modyfikujących zbiór danych treningowych w celu sztucznego zredukowania stopnia niezbalansowania. Istniejące metody wstępnego przetwarzania danych, w szczególności SMOTE oraz jego pochodne, są jednak podatne na obecność skomplikowanych dystrybucji danych. Wynika to po części z faktu, że SMOTE nie uwzględnia informacji na temat pozycji obiektów z klasy większościowej. Celem poniższej rozprawy jest opracowanie nowych metod wstępnego przetwarzania danych, natywnie uwzględniających informację na temat dystrybucji zarówno klasy większościowej jak i mniejszościowej. Rozprawa zawiera podsumowanie zawartości 12 prac naukowych skupiających się na opracowaniu nowych metod wstępnego przetwarzania danych w problemie binarnym, ich przeniesienie do problemu wieloklasowego, oraz praktyczne zastosowanie w zadaniu klasyfikacji obrazów histopatologicznych.
Data imbalance, that is the disproportion between the number of training observations coming from different classes, remains one of the most significant challenges affecting contemporary machine learning. The negative impact of data imbalance on traditional classification algorithms can be reduced by the data preprocessing techniques, methods that manipulate the training data to artificially reduce the degree of imbalance. However, the existing data preprocessing techniques, in particular SMOTE and its derivatives, which constitute the most prevalent paradigm of imbalanced data preprocessing, tend to be susceptible to various data difficulty factors. This is in part due to the fact that the original SMOTE algorithm does not utilize the information about majority class observations. The focus of this thesis is development of novel data resampling strategies natively utilizing the information about the distribution of both minority and majority class. The thesis summarizes the content of 12 research papers focused on the proposed binary data resampling strategies, their translation to the multi-class setting, and the practical application to the problem of histopathological data classification.
Praca doktorska
Recenzje
Ważniejsze publikacje doktoranta: