Информационно-экстремальное машинное обучение по несбалансированным данным большого размера

Abstract

Предлагается алгоритм информационно-экстремального машинного обучения с итерационным сбором обучающей выборки, позволяющий производить обучение классификатора на исходных данных большого обьема без их дополнительной предобработки (нормализации, балансировки, фильтрации). В качестве примера рассмотрено реализацию предложенного алгоритма для обучения классификатора по большим несбалансированным наборам архивных данных мониторинга сетевого трафика и технологического процесса выращивания сцинтиляционных монокристаллов