Under-sampling [ Random , Cluster , Nearmiss ] - 실험 내용

[git-ThLee]

ClusterCentroids 24 vs 64

• 24 , 64 : 이미지 로드 후, image resize 크기

이름	분류	f1	accuray	loss
24	train	0.2585	25.8593	2.4157
24	valid	0.2864	26.6601	2.3382
64	train	0.2601	26.0156	2.4034
64	valid	0.2700	25.0976	2.3381

• 결론 : 큰 차이 없음, 시간 단축을 위해서는 24가 나을 듯

Nearmiss 24 vs 64

• 24 , 64 : 이미지 로드 후, image resize 크기

이름	분류	f1	accuray	loss
24	train	0.33203	33.20312	2.0795
24	valid	0.37072	34.76562	1.8746
64	train	0.28906	28.90625	2.3457
64	valid	0.34183	31.83594	2.1984

• 결론 : 24가 더 좋음

ClusterCentroids vs Nearmiss

이름	분류	f1	accuray	loss
cluster-24	train	0.2585	25.8593	2.4157
cluster-24	valid	0.2864	26.6601	2.3382
nearmiss-24	train	0.33203	33.20312	2.0795
nearmiss-24	valid	0.37072	34.76562	1.8746

• 결론 : cluster보다 nearmiss가 좋음

Random 32 vs 64

• 32 , 64 : opts의 resize 크기

이름	분류	f1	accuray	loss
32	train	0.17318	17.31771	2.6785
32	valid	0.19512	15.75521	2.6725
64	train	0.12891	12.89062	2.8103
64	valid	0.14917	11.97917	2.7752

• 결론 : 32 가 더 좋음

Nearmiss vs 일반(base)

이름	분류	f1	accuray	loss
nearmiss-24	train	0.33203	33.20312	2.0795
nearmiss-24	valid	0.37072	34.76562	1.8746
일반(base)	train	0.59845	59.84497	1.3788
일반(base)	valid	0.67096	65.65755	1.1531

• 결론 : 일반이 더 좋음
• 추측 : 이미지 개수가 많이 차이나서 갭이 생긴다고 추측( 24000 -> 2440 )

---

최종 결론

1. 언더샘플링 기법 중 Nearmiss가 가장 좋음
2. 언더샘플링이 없는게 더 좋음

[sangmandu]

언더샘플링 기준이 어떻게 되나요?

혹시, top3에 대해서만 언더샘플링을 적용해보셨을까요?