Apprendre à partir de données déséquilibrées

Avec l'expansion continue de la disponibilité des données dans de nombreux systèmes à grande échelle, complexes et en réseau, tels que la surveillance, la sécurité, Internet et la finance, il devient crucial d'améliorer la compréhension fondamentale de la découverte et de l'analyse des connaissances à partir de données brutes pour soutenir les processus de prise de décision. Bien que les techniques existantes de découverte de connaissances et d'ingénierie des données aient montré un grand succès dans de nombreuses applications réelles, le problème de l'apprentissage à partir de données déséquilibrées (le problème de l'apprentissage déséquilibré) est un défi relativement nouveau qui suscite un intérêt croissant tant dans le milieu académique que dans l'industrie. Le problème de l'apprentissage déséquilibré concerne la performance des algorithmes d'apprentissage en présence de données sous-représentées et de fortes asymétries dans la distribution des classes. En raison des caractéristiques complexes inhérentes aux ensembles de données déséquilibrées, apprendre à partir de telles données nécessite de nouvelles compréhensions, principes, algorithmes et outils pour transformer efficacement de vastes quantités de données brutes en représentations d'information et de connaissances. Dans cet article, nous proposons une revue complète du développement de la recherche sur l'apprentissage à partir de données déséquilibrées. Notre objectif est de fournir une analyse critique de la nature du problème, des technologies de pointe, ainsi que des métriques d'évaluation actuelles utilisées pour apprécier la performance d'apprentissage dans un scénario déséquilibré. De plus, afin de stimuler les recherches futures dans ce domaine, nous mettons également en lumière les principales opportunités et défis, ainsi que les directions potentielles importantes pour la recherche sur l'apprentissage à partir de données déséquilibrées.