Nguồn tham khảo: He, H., & Garcia, E. A. (2009). Learning from Imbalanced Data. IEEE Transactions on Knowledge and Data Engineering, 21(9), 1263–1284. https://doi.org/10.1109/TKDE.2008.239
Truy cập toàn văn: https://doi.org/10.1109/TKDE.2008.239
Tóm tắt nội dung
He và Garcia tổng quan sự phát triển của lĩnh vực học từ dữ liệu mất cân bằng (imbalanced learning), trong bối cảnh dữ liệu ngày càng lớn ở các hệ thống giám sát, an ninh, Internet hay tài chính. Theo các tác giả, dù kỹ thuật khám phá tri thức đã thành công ở nhiều ứng dụng, việc học khi một lớp bị thiếu đại diện và phân phối lớp lệch mạnh vẫn là thách thức tương đối mới, thu hút sự quan tâm của cả giới học thuật lẫn doanh nghiệp.
Bài viết không tiến hành thực nghiệm riêng mà là một tổng quan phê phán, tập trung vào ba nội dung: bản chất của vấn đề, các kỹ thuật tiên tiến hiện có, và những thước đo đang dùng để đánh giá hiệu năng khi dữ liệu mất cân bằng. Việc dành hẳn một phần cho thước đo đánh giá cho thấy chọn sai thước đo cũng nguy hiểm không kém chọn sai thuật toán. Cuối bài, các tác giả nêu những cơ hội, thách thức và hướng nghiên cứu tiềm năng nhằm thúc đẩy lĩnh vực này.
Đối với bài toán dự báo sinh viên bỏ học, đây là tài liệu nền giúp người đọc có cái nhìn tổng thể về các nhóm giải pháp và thước đo, trước khi đi vào từng kỹ thuật cụ thể như lấy mẫu lại, gán trọng số lớp hay chọn ngưỡng phân loại.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Các tổng quan về học từ dữ liệu mất cân bằng chia giải pháp thành nhóm ở mức dữ liệu (lấy mẫu lại), nhóm ở mức thuật toán (trọng số, học nhạy chi phí) và nhóm lai (He và Garcia, 2009; Krawczyk, 2016; Haixiang và cộng sự, 2017).
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