Hybrid Imbalanced Regression Through Unified Data-Level and Algorithm-Level Balancing
यह शोध पत्र असंतुलित प्रतिगमन (इम्बैलेंस्ड रिग्रेशन) के लिए एक एकीकृत हाइब्रिड फ्रेमवर्क प्रस्तावित करता है जो मौजूदा स्टैंडअलोन विधियों की सीमाओं को प्रभावी ढंग से संबोधित करने और दुर्लभ लक्ष्य मानों पर भविष्य कहनेवाला प्रदर्शन में सुधार करने के लिए अनुकूल डेटा-स्तर संतुलन (लक्ष्य-सशर्त प्रतिनिधित्व शिक्षण और फीचर-स्पेस क्लस्टरिंग के माध्यम से) को एक नवीन एल्गोरिदम-स्तर के लेटेंट-डेंसिटी वेटेड लॉस के साथ जोड़ता है।