SEVAL: aprendizaje semi-supervisado con datos desbalanceados
Nuevo método SEVAL mejora el aprendizaje semi-supervisado con datos desbalanceados optimizando pseudoetiquetas mediante refinamiento y ajuste de umbral.
Nuevo método SEVAL mejora el aprendizaje semi-supervisado con datos desbalanceados optimizando pseudoetiquetas mediante refinamiento y ajuste de umbral.
Descubre IGLU, la nueva activación con cola pesada que supera a ReLU y GELU. Ofrece gradientes no nulos y mejor rendimiento en clasificación desbalanceada.
Clasificación estratificada interpretable con Árboles de Presupuesto Latente Simultáneo. Controla variables temporales, espaciales o demográficas.
Descubre cómo un nuevo oversampling con LLMs genera muestras sintéticas diversas para clasificación desbalanceada. Supera a 8 métodos.