SMOTE-Knoten
Der Knoten "Synthetic Minority Over-sampling Technique" (SMOTE) stellt einen Oversampling-Algorithmus bereit, um unausgewogene Datasets zu verarbeiten. Er stellt eine erweiterte Methode zur Balancierung von Daten bereit. Der SMOTE-Knoten in watsonx.ai ist in Python implementiert und erfordert die Bibliothek imbalanced-learn© Python .
Ausführliche Informationen zur Bibliothek "imbalanced-learn" finden Sie unter imbalanced-learn-Dokumentation1.
Die Registerkarte "Modellierung" in der Knotenpalette enthält den SMOTE-Knoten sowie weitere Python-Knoten.
1Lemaître, Nogueira, Aridas. "Imbalanced-learn: A Python Toolbox to Tackle the Curse of Imbalanced Datasets in Machine Learning." Journal of Machine Learning Research, Band 18, Nr. 17, 2017, Seite 1-5. (http://jmlr.org/papers/v18/16-365.html)