Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Office Monitoring and Surveillance System Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Effective Usage of Oversampling with SMOTE for Performance Improvement in Classification Over Twitter Data

verfasst von : Deepak Patil, Poonam Katyare, Parag Bhalchandra, Aniket Muley

Erschienen in: Techno-Societal 2020

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper highlights an attempt for addressing the issue of imbalanced classification resulted due to deployment of machine learning algorithms over an imbalanced dataset. It has used Synthetic Minority Oversampling Technique (SMOTE). This type of augmentation of the dataset is extremely necessary as it leads to poor performance in the minority class. Four machine learning algorithms were deployed on the Twitter dataset using the Python platform. Standard data preprocessing including data cleaning, data integration, data transformations, and data reduction was carried out first as the most necessary arrangement before experimentations.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel MURA: Bone Fracture Segmentation Using a U-net Deep Learning in X-ray Images
Nächstes Kapitel Multi-Classification of Breast Histopathological Image Using Xception: Deep Learning with Depthwise Separable Convolutions Model
Literatur
1.
Jan S, Ruby R, Najeeb PT, Muttoo MA (2017) Social network analysis and data mining, by © 2017, IJCSMC Saima Jan et al. Int J Comput Sci Mob Comput 6(6):401–404
2.
Chawla NV, Bowyer KW, Hall LO, Kegelmeyer WP (2002) SMOTE: synthetic minority over-sampling technique. J. Artif Intell Res 16:321–357
3.
Mohammed AJ, Hassan MM, Kadir DH (2020) Improving classification performance for a novel imbalanced medical dataset using SMOTE method. Int J Adv Trends Comput Sci Eng. 9(3). ISSN 2278–3091
4.
Papagelis M, Das G (2010) Sampling online social networks. IEEE Trans Knowl Data Eng X(X):Month 20xx
5.
6.
7.
Wasserman S, Galaskiewicz J (1994) Advances in social network analysis: research in the social and behavioral sciences. Sage Publications, Thousand OaksCrossRef
8.
Zheng Z, Cai Y, Li Ye (2015) Oversampling method for imbalanced classification. Comput Inf 34:1017–1037
9.
Jiawei H, Kamber M (2001) Data mining: concepts and techniques San Francisco. California, Morgan Kauffmann
10.
Muthuselvi et al (2012) Information retrieval from social network, IJCA. In: Proceedings on E-governance and cloud computing services vol 4
11.
Erdogan SZ et al (2006) A data mining application. A student database. J Aeronaut Space Technol 2(2)
Metadaten
Titel
Effective Usage of Oversampling with SMOTE for Performance Improvement in Classification Over Twitter Data
verfasst von
Deepak Patil
Poonam Katyare
Parag Bhalchandra
Aniket Muley
Copyright-Jahr
2021
Buch
Techno-Societal 2020

Print ISBN: 978-3-030-69920-8

Electronic ISBN: 978-3-030-69921-5

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-69921-5_53

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise