Nguồn tham khảo: Barros, T. M., Souza Neto, P. A., Silva, I., & Guedes, L. A. (2019). Predictive Models for Imbalanced Data: A School Dropout Perspective. Education Sciences, 9(4), 275. https://doi.org/10.3390/educsci9040275
Truy cập toàn văn: https://doi.org/10.3390/educsci9040275
Tóm tắt nội dung
Barros, Souza Neto, Silva và Guedes (2019) xem dự báo bỏ học là bài toán phân loại hai lớp, gồm nhóm có xu hướng tiếp tục học và nhóm có xu hướng bỏ học, dựa trên dữ liệu thống kê về hoạt động giáo dục. Theo các tác giả, bài toán này thường gặp một hiện tượng che lấp kết quả, tức sự mất cân bằng giữa hai lớp, và bài báo đi sâu vào hiện tượng này. Ba kỹ thuật phân loại được sử dụng là cây quyết định, mạng nơ-ron và Balanced Bagging.
Hiệu năng của chúng được kiểm tra khi không cân bằng dữ liệu và khi áp dụng ba cách cân bằng: giảm mẫu (downsample), SMOTE và ADASYN. Kết quả cho thấy trung bình nhân (G-mean) và độ nhạy trung bình không trọng số (UAR) là các thước đo đáng tin cậy, và Balanced Bagging cho dự báo tỷ lệ bỏ học đáng tin cậy. Việc chọn thước đo quan trọng vì khi lớp bỏ học chiếm tỷ lệ nhỏ, độ chính xác tổng thể có thể rất cao dù mô hình bỏ sót phần lớn sinh viên bỏ học.
Với bài toán cảnh báo sớm, tài liệu là cơ sở để chọn thước đo nhạy với lớp thiểu số như G-mean, UAR hay PR-AUC, và thử nhiều chiến lược cân bằng thay vì mặc định một phương pháp. Các thuật toán có sẵn cơ chế cân bằng như Balanced Bagging cũng đáng cân nhắc bên cạnh lấy mẫu lại.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Barros và cộng sự (2019) so sánh lấy mẫu dưới, SMOTE và ADASYN, và thấy trung bình nhân (geometric mean) cùng độ nhạy trung bình không trọng số là những thước đo đáng tin khi dữ liệu mất cân bằng.
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp