Key points are not available for this paper at this time.
الملخص يُشكل التعلم غير المتوازن واحدًا من أكبر التحديات في مجال استخراج البيانات وتعلم الآلة. على الرغم من التقدم المستمر في الأبحاث على مدى العقود الماضية، لا يزال التعلم من البيانات ذات التوزيع غير المتوازن يمثل مجالًا بحثيًا مثيرًا. يعيق توزيع الفئات غير المتوازن عادةً الفائدة العملية لنماذج تعلم الآلة وحتى نماذج التعلم العميق في التطبيقات الواقعية. حققت دراسات حديثة عديدة تقدمًا كبيرًا في مجال التعلم غير المتوازن، وتعميق فهمنا لطبيعته بينما تم فتح تحديات جديدة في الوقت نفسه. نظرًا للتطور السريع في هذا المجال، يهدف هذا البحث إلى تلخيص الاختراقات الأخيرة في التعلم غير المتوازن من خلال تقديم مراجعة متعمقة للاستراتيجيات القائمة لمواجهة هذه القضية. على عكس معظم الاستطلاعات التي تواجه بشكل رئيسي مهام التصنيف في تعلم الآلة، نقوم أيضًا بالتعمق في التقنيات التي تعالج مهام الانحدار وجوانب التعلم العميق ذو الذيل الطويل. علاوة على ذلك، نستكشف التطبيقات الواقعية للتعلم غير المتوازن، مبتكرين مجموعة واسعة من تطبيقات البحث من علوم الإدارة إلى الهندسة، وأخيرًا، نناقش القضايا والتحديات الناشئة حديثًا التي تتطلب استكشافًا أكبر في مجال التعلم غير المتوازن.
درس تشين وآخرون (الخميس) هذا السؤال.