Análise da classificação para dados de desequilíbrio

Uma enorme quantidade de dados est a ser recolhida e armazenada em bases de dados em todo o mundo. Estes dados agrupam-se e continuam a aumentar todos os anos. Extrair informa es que est o escondidas nessas bases de dados e classificar as informa es extra das s o as tarefas mais importantes na extra o de dados. Se esses conjuntos de dados forem desequilibrados, torna-se dif cil lidar com eles. Uma vez que a previs o do futuro uma das tarefas fundamentais da extra o de dados. Trabalhar com conjuntos de dados desequilibrados para prever os resultados poss veis uma tarefa muito fastidiosa. O conjunto de dados desequilibrado quando n o classificado corretamente, quando uma classe cont m mais inst ncias do que outra. S o frequentemente representados como uma classe positiva (minorit ria) e uma classe negativa (maiorit ria). A classe que tem menos amostras designada por classe minorit ria e a que tem mais designada por classe maiorit ria. O desequil brio do conjunto de dados causa muitos problemas s rios na extra o de dados, sobretudo porque o algoritmo de classifica o padr o considera o conjunto de dados como equilibrado, o que, por sua vez, parcial em rela o classe maiorit ria. Para aplica es como o diagn stico m dico, este facto tem um efeito muito grave. Por conseguinte, o equil brio do conjunto de dados fundamental para muitas aplica es em tempo real.