SIMBA: データ不均衡の頑健かつ一般化可能な測定法

健康からサイバーセキュリティに至るまで、実世界のデータは著しく不均衡です。不均衡の処理は機械学習（ML）の厳しい課題の一つであり、MLの性能を低下させ、主要クラスへの偏った結果をもたらします。しかし、データ不均衡の影響を評価するための適切な測定法を見つけることは、それ自体が研究の分野です。利用可能な不均衡測定法のレビューに続いて、データの分布と重複を考慮する不均衡の状態（SIMBA）を導入します。これらは不均衡の影響を評価するために重要です。SIMBAは、5つのMLモデル、428の合成データセットおよび70の非合成データセットを用いて7つの不均衡測定法と比較されました。不均衡測定法と分類性能との間の相関係数、および20の複雑さ測定法による分析は、SIMBAが他の測定法を常に上回ることを証明しています。全体として、SIMBAは多クラスデータの不均衡を正確に定量化し、将来的にはMLデータの不均衡の課題を軽減するのに役立つかもしれません。