Publikace detail

Reflecting on Imbalance Data Issue when Teaching Performance Measures

Autoři: Škrabánek Pavel | Majerík Filip

Rok: 2017

Druh publikace: článek ve sborníku

Název zdroje: Artificial Intelligence Trends in Intelligent Systems : Proceedings of the 6th Computer Science On-line Conference 2017 (CSOC2017). Vol 1

Název nakladatele: Springer

Místo vydání: Heidelberg

Strana od-do: 33-42

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Zohlednění problematiky nevyváženosti datové sady při výuce metod určených k evaluaci binárních klasifikátorů	V tomto příspěvku je představena nová metoda výuky metod určených k evaluaci binárních klasifikátorů. Tato metoda umožňuje studentům pochopit souvislosti mezi jednotlivými metrikami i příčiny jejich potencionální senzitivity na složení datové sady. Metoda byla primárně vyvinuta pro potřeby výuky na technických oborech, lze ji však snadno upravit i pro jiné obory. Své uplatnění může nalézt například v oblasti medicíny, ekonomiky, nebo sociálních věd.	strojové učení, binární klasifikátor, nevyvážená datová sada, metriky pro měření výkonu, výuková metoda
eng	Reflecting on Imbalance Data Issue when Teaching Performance Measures	Importance of soft computing methods has continuously grown for many years. Particularly machine learning methods have been paid considerable attention in the business sphere and subsequently within the general public in the last decade. Machine learning and its implementation is the object of interest of many commercial subjects, whether they are small companies or large corporations. Consequently, well-educated experts in the area of machine learning are highly sought after on the job market. Most of the technical universities around the world have incorporated the machine learning into their curricula. However, machine learning is a dynamically evolving area and the curricula should be continuously updated. This paper is intended to support this process. Namely, an imbalance data issue, in context of performance measures for binary classification, is opened, and a teaching method covering this problem is presented. The method has been primary designed for undergraduate and graduate students of technical fields; however, it can be easily adopted in curricula of other fields of study, e.g. medicine, economics, or social sciences.	machine learning; binary classification; imbalanced data; performance measures; teaching method

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte