नैवो माइनॉरिटी ओवर-सम्प्लिंग तकनीक (NMOTe): असंतुलित डेटा सेट पर एक स्थायी प्रदर्शन बढ़ाने वाला

असंतुलित डेटा मशीन लर्निंग में एक समस्या को संदर्भित करता है जहां प्रत्येक वर्ग के लिए उदाहरणों का असमान वितरण होता है। ऐसे डेटा पर वर्गीकरण कार्य करना अक्सर बहुसंख्यक वर्ग के पक्ष में पूर्वाग्रह उत्पन्न कर सकता है। उच्च आयामी डेटा के मामलों में पूर्वाग्रह बढ़ जाता है। इस समस्या को सुलझाने के लिए, ओवर-सम्प्लिंग और अंडर-सम्प्लिंग जैसी कई वास्तविक दुनिया की डेटा खनन तकनीकें हैं, जो डेटा असंतुलन को कम कर सकती हैं। सिंथेटिक माइनॉरिटी ओवरसैंपलिंग तकनीक (SMOTe) ने वर्ग असंतुलन से निपटने के लिए एक अत्याधुनिक और लोकप्रिय समाधान प्रदान किया, यहां तक कि उच्च-आयामी डेटा प्लेटफ़ॉर्म पर भी। इस काम में, एक नवाचार और स्थायी ओवरसैंप्लिंग एल्गोरिदम प्रस्तावित किया गया है जो वर्गीकरण के प्रदर्शन को और बढ़ा सकता है, विशेष रूप से द्विआधारी असंतुलित डेटा सेट पर। इसे NMOTe (नैवो माइनॉरिटी ओवर-सैम्पलिंग तकनीक) कहा गया है, जो मौजूदा तकनीकों का एक उन्नत और श्रेष्ठ विकल्प है। समस्या के बयानों के गहन अंतर्दृष्टि प्राप्त करने और सबसे अनुकूल समाधान प्राप्त करने की आवश्यकता को समझने के लिए साहित्य पर एक महत्वपूर्ण विश्लेषण और व्यापक अवलोकन किया गया है। इस काम में कुछ मानक डेटा सेट्स पर NMOTe के प्रदर्शन की स्थापना की गई है ताकि यह सांख्यिकीय समझ प्राप्त की जा सके कि यह मौजूदा अत्याधुनिक क्यों है और दो-क्लास डेटा असंतुलन समस्या का समाधान करने के लिए सबसे मजबूत तकनीक बन गया है।