Ensemble de données déséquilibré - Historique des versions

Pitpitt : Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »

2024-01-31T15:05:28Z

Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 31 janvier 2024 à 11:05
Ligne 7 :		Ligne 7 :
	== Anglais ==		== Anglais ==
	''' Imbalanced Dataset'''		''' Imbalanced Dataset'''


	==Sources==		==Sources==

Pitpitt : Remplacement de texte : « ↵↵↵↵ » par «   »

2024-01-29T17:38:58Z

Remplacement de texte : « ↵↵↵↵ » par «   »

← Version précédente		Version du 29 janvier 2024 à 13:38
Ligne 7 :		Ligne 7 :
	== Anglais ==		== Anglais ==
	''' Imbalanced Dataset'''		''' Imbalanced Dataset'''

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T02:24:48Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 22:24
Ligne 9 :		Ligne 9 :


	~~<small>~~
			==Sources==

	[https://towardsdatascience.com/decoding-the-top-10-data-science-jargons-for-beginners-commonly-asked-in-interviews-436b5afbe3c0 Source : towardsdatascience]		[https://towardsdatascience.com/decoding-the-top-10-data-science-jargons-for-beginners-commonly-asked-in-interviews-436b5afbe3c0 Source : towardsdatascience]

Pitpitt le 20 août 2022 à 23:48

2022-08-20T23:48:06Z

← Version précédente		Version du 20 août 2022 à 19:48
Ligne 1 :		Ligne 1 :

	== Définition ==		== Définition ==
	Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré.		Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré.
Ligne 8 :		Ligne 7 :
	== Anglais ==		== Anglais ==
	''' Imbalanced Dataset'''		''' Imbalanced Dataset'''

	Imbalanced datasets are those where the target attribute (the attribute to be predicted) is unevenly distributed. This is definitely not an uncommon scenario while working on data science problems. For example, predicting fraudulent credit card transactions is an excellent example of an imbalanced dataset. Because most of the credit card transactions would be genuine. Yet there are some fraudulent transactions as well.
	The imbalanced datasets need special attention as the normal approach to building models or evaluating performance would not work. Here is an article that talks in detail about imbalanced datasets and the best approaches to handle them better.



Ligne 19 :		Ligne 14 :


	[[Catégorie:~~vocabulary]]~~		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Publication~~]]

Pitpitt : Pitpitt a déplacé la page Imbalanced Dataset vers Ensemble de données déséquilibré

2022-08-20T23:47:16Z

Pitpitt a déplacé la page Imbalanced Dataset vers Ensemble de données déséquilibré

← Version précédente	Version du 20 août 2022 à 19:47
(Aucune différence)

Mariealfaro le 20 août 2022 à 17:21

2022-08-20T17:21:13Z

← Version précédente		Version du 20 août 2022 à 13:21
Ligne 1 :		Ligne 1 :

	== Définition ==		== Définition ==
	Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale~~. Ce scénario n'est certainement pas rare lorsque l'on travaille sur des problèmes de science des données~~. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré. ~~En effet, la plupart des transactions par carte de crédit sont authentiques. Pourtant, il existe également des transactions frauduleuses.~~		Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré.
	~~Les ensembles de données déséquilibrés nécessitent une attention particulière, car l'approche normale de la construction de modèles ou de l'évaluation des performances ne fonctionnerait pas~~


	== Français ==		== Français ==
Ligne 22 :		Ligne 20 :

	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]
			[[Catégorie:Publication]]

Mariealfaro le 20 août 2022 à 10:02

2022-08-20T10:02:51Z

← Version précédente		Version du 20 août 2022 à 06:02
Ligne 1 :		Ligne 1 :
	~~==en construction==~~

	== Définition ==		== Définition ==

Mariealfaro le 17 août 2022 à 12:44

2022-08-17T12:44:11Z

← Version précédente		Version du 17 août 2022 à 08:44
Ligne 3 :		Ligne 3 :
	== Définition ==		== Définition ==
	Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale. Ce scénario n'est certainement pas rare lorsque l'on travaille sur des problèmes de science des données. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré. En effet, la plupart des transactions par carte de crédit sont authentiques. Pourtant, il existe également des transactions frauduleuses.		Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale. Ce scénario n'est certainement pas rare lorsque l'on travaille sur des problèmes de science des données. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré. En effet, la plupart des transactions par carte de crédit sont authentiques. Pourtant, il existe également des transactions frauduleuses.
	Les ensembles de données déséquilibrés nécessitent une attention particulière, car l'approche normale de la construction de modèles ou de l'évaluation des performances ne fonctionnerait pas		Les ensembles de données déséquilibrés nécessitent une attention particulière, car l'approche normale de la construction de modèles ou de l'évaluation des performances ne fonctionnerait pas

Mariealfaro le 17 août 2022 à 12:43

2022-08-17T12:43:44Z

← Version précédente		Version du 17 août 2022 à 08:43
Ligne 2 :		Ligne 2 :

	== Définition ==		== Définition ==
	~~XXXXXXXXX~~		Les ensembles de données déséquilibrés sont ceux où l'attribut cible (l'attribut à prédire) est distribué de manière inégale. Ce scénario n'est certainement pas rare lorsque l'on travaille sur des problèmes de science des données. Par exemple, la prédiction de transactions frauduleuses par carte de crédit est un excellent exemple d'ensemble de données déséquilibré. En effet, la plupart des transactions par carte de crédit sont authentiques. Pourtant, il existe également des transactions frauduleuses.
			Les ensembles de données déséquilibrés nécessitent une attention particulière, car l'approche normale de la construction de modèles ou de l'évaluation des performances ne fonctionnerait pas


	== Français ==		== Français ==
	''' ~~XXXXXXXXX~~ '''		'''Ensemble de données déséquilibré'''

	== Anglais ==		== Anglais ==

Pitpitt le 3 janvier 2022 à 14:13

2022-01-03T14:13:45Z

← Version précédente		Version du 3 janvier 2022 à 10:13
Ligne 11 :		Ligne 11 :

	Imbalanced datasets are those where the target attribute (the attribute to be predicted) is unevenly distributed. This is definitely not an uncommon scenario while working on data science problems. For example, predicting fraudulent credit card transactions is an excellent example of an imbalanced dataset. Because most of the credit card transactions would be genuine. Yet there are some fraudulent transactions as well.		Imbalanced datasets are those where the target attribute (the attribute to be predicted) is unevenly distributed. This is definitely not an uncommon scenario while working on data science problems. For example, predicting fraudulent credit card transactions is an excellent example of an imbalanced dataset. Because most of the credit card transactions would be genuine. Yet there are some fraudulent transactions as well.

	The imbalanced datasets need special attention as the normal approach to building models or evaluating performance would not work. Here is an article that talks in detail about imbalanced datasets and the best approaches to handle them better.		The imbalanced datasets need special attention as the normal approach to building models or evaluating performance would not work. Here is an article that talks in detail about imbalanced datasets and the best approaches to handle them better.