پروژه imbalanced-dataset-sampler

ufoym/imbalanced-dataset-sampler

این یک نمونه‌گیر (sampler) در پای‌تورچ است که برای داده‌های نامتعادل طراحی شده.

کاربرد:

کمک می‌کنه تا در دیتاست‌هایی که بعضی کلاس‌ها خیلی کم‌تر از بقیه دیده می‌شن، مدل بهتر یاد بگیره. با **افزایش نمونه‌های کم‌فراوان** (oversampling) و **کاهش نمونه‌های پرفراتوان** (undersampling)، تعادل بهتری ایجاد می‌شه.

در چه شرایطی بهتره استفاده شود؟

وقتی با دیتاست‌های نامتعادل کار می‌کنی، مثل تشخیص تومور (که موارد مثبت خیلی کم‌تر از منفی هستن)، تشخیص کلاهبرداری یا هر موردی که تعداد داده‌های یک کلاس خیلی کمتر از بقیه باشه.

چند مثال از موارد استفاده:

در آموزش مدل‌های تشخیص بیماری با داده‌های پزشکی

در سیستم‌های تشخیص تراکنش‌های غیرعادی بانکی

در طبقه‌بندی متن با کلاس‌های نامتعادل (مثل نظرات کاربران)