Buchumschlag

Improving Online Bagging for Complex Imbalanced Data Stream

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Przybyl, Bartosz, Stefanowski, Jerzy
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

A-PETE: Adaptive Prototype Explanations of Tree Ensembles
von: Karolczak, Jacek, et al.
Veröffentlicht: (2024)

Alike Parts: A Feature-Informed Approach to Local and Global Prototype Explanations
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

This part looks alike this: identifying important parts of explained instances and prototypes
von: Karolczak, Jacek, et al.
Veröffentlicht: (2025)

An interpretable prototype parts-based neural network for medical tabular data
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

Towards Differentiating Between Failures and Domain Shifts in Industrial Data Streams
von: Wojak-Strzelecka, Natalia, et al.
Veröffentlicht: (2026)

Explaining Concept Drift through the Evolution of Group Counterfactuals
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Counterfactual Explanations Under Concept Drift
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Counterfactual Explanations with Probabilistic Guarantees on their Robustness to Model Change
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

A Probabilistic Consensus-Driven Approach for Robust Counterfactual Explanations
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

PREF-XAI: Preference-Based Personalized Rule Explanations of Black-Box Machine Learning Models
von: Greco, Salvatore, et al.
Veröffentlicht: (2026)

The Problem of Coherence in Natural Language Explanations of Recommendations
von: Raczyński, Jakub, et al.
Veröffentlicht: (2023)

Harmonized Gradient Descent for Class Imbalanced Data Stream Online Learning
von: Zhou, Han, et al.
Veröffentlicht: (2025)

Probabilistically Plausible Counterfactual Explanations with Normalizing Flows
von: Wielopolski, Patryk, et al.
Veröffentlicht: (2024)

Investigating the Relationship Between Debiasing and Artifact Removal using Saliency Maps
von: Sztukiewicz, Lukasz, et al.
Veröffentlicht: (2025)

DetoxAI: a Python Toolkit for Debiasing Deep Learning Models in Computer Vision
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Histogram Approaches for Imbalanced Data Streams Regression
von: Aminian, Ehsan, et al.
Veröffentlicht: (2025)

Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels
von: Furman, Oleksii, et al.
Veröffentlicht: (2024)

A Hybrid Active-Passive Approach to Imbalanced Nonstationary Data Stream Classification
von: Malialis, Kleanthis, et al.
Veröffentlicht: (2022)

Resilient Class-Incremental Learning: on the Interplay of Drifting, Unlabelled and Imbalanced Data Streams
von: Li, Jin, et al.
Veröffentlicht: (2026)

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

Evaluation of Bagging Predictors with Kernel Density Estimation and Bagging Score
von: Seitz, Philipp, et al.
Veröffentlicht: (2026)

Graph Neural Network-Driven Hierarchical Mining for Complex Imbalanced Data
von: Qi, Yijiashun, et al.
Veröffentlicht: (2025)

Federated Online Learning for Heterogeneous Multisource Streaming Data
von: Li, Jingmao, et al.
Veröffentlicht: (2025)

Properties of fairness measures in the context of varying class imbalance and protected group ratios
von: Brzezinski, Dariusz, et al.
Veröffentlicht: (2024)

Code and data for MEDIC: An Interpretable Prototype Parts-based Neural Network for Medical Tabular Data
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

ROSFD: Robust Online Streaming Fraud Detection with Resilience to Concept Drift in Data Streams
von: Yelleti, Vivek
Veröffentlicht: (2025)

Learning Self-Growth Maps for Fast and Accurate Imbalanced Streaming Data Clustering
von: Zhang, Yiqun, et al.
Veröffentlicht: (2024)

To Bag is to Prune
von: Coulombe, Philippe Goulet
Veröffentlicht: (2020)

Active Transfer Bagging: A New Approach for Accelerated Active Learning Acquisition of Data by Combined Transfer Learning and Bagging Based Models
von: Pelletier, Vivienne, et al.
Veröffentlicht: (2026)

Online-BLS: An Accurate and Efficient Online Broad Learning System for Data Stream Classification
von: Lei, Chunyu, et al.
Veröffentlicht: (2025)

Bag of Tricks for Multimodal AutoML with Image, Text, and Tabular Data
von: Tang, Zhiqiang, et al.
Veröffentlicht: (2024)

Balanced Data, Imbalanced Spectra: Unveiling Class Disparities with Spectral Imbalance
von: Kaushik, Chiraag, et al.
Veröffentlicht: (2024)

Reinforcement Learning from Bagged Reward
von: Tang, Yuting, et al.
Veröffentlicht: (2024)

Improve Representation for Imbalanced Regression through Geometric Constraints
von: Dong, Zijian, et al.
Veröffentlicht: (2025)

Mitigating Modality Quantity and Quality Imbalance in Multimodal Online Federated Learning
von: Wang, Heqiang, et al.
Veröffentlicht: (2025)

Act Now: A Novel Online Forecasting Framework for Large-Scale Streaming Data
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

CapyMOA: Efficient Machine Learning for Data Streams and Online Continual Learning in Python
von: Gomes, Heitor Murilo, et al.
Veröffentlicht: (2025)

Binary Classification: Is Boosting stronger than Bagging?
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2024)

Online Sparse Feature Selection in Data Streams via Differential Evolution
von: Xu, Ruiyang
Veröffentlicht: (2025)