پروژه imbalanced-regression

YyzHarry/imbalanced-regression

این پروژه به مشکل رگرسیون نامتوازن در یادگیری عمیق می‌پردازد، جایی که توزیع داده‌ها در طول مقادیر هدف بسیار نامتعادل است.

کاربرد:

این روش زمانی کاربرد داره که در داده‌های رگرسیونی، برخی از محدوده‌های خروجی بسیار پرتعدادتر از دیگران هستند — مثل پیش‌بینی سن، درآمد یا امتیازهای سلامتی که در برخی بازه‌ها داده کمی وجود داره.

در چه شرایطی بهتره استفاده شود؟

وقتی با داده‌های واقعی سروکار دارید که توزیع پیوسته ولی نامتوازن دارند، و مدل‌های معمولی تمایل به پیش‌بینی بیش از حد به سمت مقادیر شایع دارند. این روش با تعدیل تابع هزینه و استفاده از وزن‌دهی نمونه یا نمونه‌گیری مجدد، عملکرد رو در مقادیر کم‌فراوان بهبود می‌ده.

چند مثال از موارد استفاده:

پیش‌بینی سن افراد از روی عکس (داده‌های کودکان یا سالمندان کمترند)

برآورد کیفیت هوا با داده‌های نادر از آلودگی بسیار بالا ️

امتیازدهی به بیماری‌های روانی که موارد شدید کمیاب هستند