Lidando com o Desbalanceamento em Problemas de Classificação Hierárquica com Reamostragem de Dados

Abstract

Muitos problemas de classificação importantes são desbalanceados. Embora as abordagens de reamostragem sejam uma solução comum para diferentes tipos de problemas de classificação, elas ainda não foram definidas para problemas de classificação hierárquica. O objetivo deste trabalho é propor novas abordagens de reamostragem para lidar com a questão do desbalanceamento de classes em problemas de classificação hierárquica. Quatro direções foram investigadas: (i) O uso de métodos clássicos de reamostragem; (ii) Uma estratégia de conversão de caminho de rótulo; (iii) Esquemas para usar algoritmos de reamostragem com abordagens locais; (iv) impactos da Algoritmos de reamostragem globais. Para mostrar os contribuição deste trabalho, foi investigado o problema do desbalanceamento na identificação do COVID-19 em radiografias de tórax.