Buchumschlag

Do we need rebalancing strategies? A theoretical and empirical study around SMOTE and its variants

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sakho, Abdoulaye, Malherbe, Emmanuel, Scornet, Erwan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Harnessing Mixed Features for Imbalance Data Oversampling: Application to Bank Customers Scoring
von: Sakho, Abdoulaye, et al.
Veröffentlicht: (2025)

Increasing Missingness to Reduce Bias: Richardson-SGD with Missing Data
von: Genans, Ferdinand, et al.
Veröffentlicht: (2026)

When Pattern-by-Pattern Works: Theoretical and Empirical Insights for Logistic Models with Missing Values
von: Muller, Christophe, et al.
Veröffentlicht: (2025)

Privacy Amplification by Missing Data
von: Roburin, Simon, et al.
Veröffentlicht: (2026)

Random features models: a way to study the success of naive imputation
von: Ayme, Alexis, et al.
Veröffentlicht: (2024)

Principled Federated Random Forests for Heterogeneous Data
von: Khellaf, Rémi, et al.
Veröffentlicht: (2026)

Asymptotic Normality of Infinite Centered Random Forests -Application to Imbalanced Classification
von: Mayala, Moria, et al.
Veröffentlicht: (2025)

Do we really need the Rademacher complexities?
von: Bartl, Daniel, et al.
Veröffentlicht: (2025)

Do we need equivariant models for molecule generation?
von: Nowara, Ewa M., et al.
Veröffentlicht: (2025)

Generalizing to any diverse distribution: uniformity, gentle finetuning and rebalancing
von: Loukas, Andreas, et al.
Veröffentlicht: (2024)

On the consistency of supervised learning with missing values
von: Josse, Julie, et al.
Veröffentlicht: (2019)

Theoretical Convergence of SMOTE-Generated Samples
von: Kamalov, Firuz, et al.
Veröffentlicht: (2026)

How many classifiers do we need?
von: Kim, Hyunsuk, et al.
Veröffentlicht: (2024)

Simplicial SMOTE: Oversampling Solution to the Imbalanced Learning Problem
von: Kachan, Oleg, et al.
Veröffentlicht: (2025)

SMOTE-DP: Improving Privacy-Utility Tradeoff with Synthetic Data
von: Zhou, Yan, et al.
Veröffentlicht: (2025)

AxelSMOTE: An Agent-Based Oversampling Algorithm for Imbalanced Classification
von: Kishanthan, Sukumar, et al.
Veröffentlicht: (2025)

Quantum SMOTE with Angular Outliers: Redefining Minority Class Handling
von: Mohanty, Nishikanta, et al.
Veröffentlicht: (2025)

A Quantum Approach to Synthetic Minority Oversampling Technique (SMOTE)
von: Mohanty, Nishikanta, et al.
Veröffentlicht: (2024)

GK-SMOTE: A Hyperparameter-free Noise-Resilient Gaussian KDE-Based Oversampling Approach
von: Miraj, Mahabubur Rahman, et al.
Veröffentlicht: (2025)

Do we need more complex representations for structure? A comparison of note duration representation for Music Transformers
von: Souza, Gabriel, et al.
Veröffentlicht: (2024)

HyperSMOTE: A Hypergraph-based Oversampling Approach for Imbalanced Node Classifications
von: Zhao, Ziming, et al.
Veröffentlicht: (2024)

Logistic regression models for patient-level prediction based on massive observational data: Do we need all data?
von: John, Luis H., et al.
Veröffentlicht: (2020)

A binary PSO based ensemble under-sampling model for rebalancing imbalanced training data
von: Li, Jinyan, et al.
Veröffentlicht: (2025)

Aggregating empirical evidence from data strategy studies: a case on model quantization
von: del Rey, Santiago, et al.
Veröffentlicht: (2025)

A theoretical and empirical study of new adaptive algorithms with additional momentum steps and shifted updates for stochastic non-convex optimization
von: Alecsa, Cristian Daniel
Veröffentlicht: (2021)

Resampling strategies for imbalanced regression: a survey and empirical analysis
von: Avelino, Juscimara G., et al.
Veröffentlicht: (2025)

How many classes do we need to see for novel class discovery?
von: Sarkar, Akanksha, et al.
Veröffentlicht: (2025)

Improving SMOTE via Fusing Conditional VAE for Data-adaptive Noise Filtering
von: Hong, Sungchul, et al.
Veröffentlicht: (2024)

Continuous Fair SMOTE -- Fairness-Aware Stream Learning from Imbalanced Data
von: Lammers, Kathrin, et al.
Veröffentlicht: (2025)

Memory of recurrent networks: Do we compute it right?
von: Ballarin, Giovanni, et al.
Veröffentlicht: (2023)

Advanced Payment Security System:XGBoost, LightGBM and SMOTE Integrated
von: Zheng, Qi, et al.
Veröffentlicht: (2024)

Gym-TORAX: Open-source software for integrating reinforcement learning with plasma control simulators in tokamak research
von: Mouchamps, Antoine, et al.
Veröffentlicht: (2025)

Fairness-Aware Grouping for Continuous Sensitive Variables: Application for Debiasing Face Analysis with respect to Skin Tone
von: Shilova, Veronika, et al.
Veröffentlicht: (2025)

Enhancing Machine Learning for Imbalanced Medical Data: A Quantum-Inspired Approach to Synthetic Oversampling (QI-SMOTE)
von: Kashtriya, Vikas, et al.
Veröffentlicht: (2025)

Augmenting The Weather: A Hybrid Counterfactual-SMOTE Algorithm for Improving Crop Growth Prediction When Climate Changes
von: Temraz, Mohammed, et al.
Veröffentlicht: (2025)

When Exploration Comes for Free with Mixture-Greedy: Do we need UCB in Diversity-Aware Multi-Armed Bandits?
von: Nia, Bahar Dibaei, et al.
Veröffentlicht: (2026)

Explainable AI for Embedded Systems Design: A Case Study of Static Redundant NVM Memory Write Prediction
von: Gamatié, Abdoulaye, et al.
Veröffentlicht: (2024)

ESDS: AI-Powered Early Stunting Detection and Monitoring System using Edited Radius-SMOTE Algorithm
von: Pramana, A. A. Gde Yogi, et al.
Veröffentlicht: (2024)

How many simulations do we need for simulation-based inference in cosmology?
von: Bairagi, Anirban, et al.
Veröffentlicht: (2025)

Is attention truly all we need? An empirical study of asset pricing in pretrained RNN sparse and global attention models
von: Lai, Shanyan
Veröffentlicht: (2025)