Réduction du biais dans la classification de données sismique : méthodes de gestion des jeux de données asymétriques
Abstract
In this work, we compare different strategies to deal with class size imbalanced datasets for the classification of seismic signal. Our dataset contains 80k samples and is divided into six classes, where the majority class has ten times as many samples as the minority classes. The four strategies we explore are resampling of the training set, class-weighting in the loss function by inverse of sample frequency, class-weighting by effective number of samples and focal loss. By using a simple convolutional neural
network (CNN), we obtain a balanced accuracy of 0.17, with a bias towards the majority class. Any of the strategies to deal with imbalanced datasets significantly improves model performance. For our study, the best performance is not achieved by using the most advanced class-weighting techniques, but by simply weighting the loss function by inverse of class frequency with a BA of 0.64. The optimisation of learning and model parameters are also addressed in this work
Dans ce travail, nous mettons en place et comparons différentes stratégies pour traiter les jeux de données déséquilibrés pour la classification de signaux sismiques. Notre jeu de données contient 80k échantillons répartis en six classes, la classe majoritaire ayant dix fois plus d'échantillons que les classes minoritaires. Les quatre stratégies que nous explorons sont le rééchantillonnage de l'ensemble d'apprentissage, la pondération des classes dans la fonction de perte par l'inverse de la fréquence des échantillons, la pondération des classes par le nombre effectif d'échantillons et l'utilisation de la perte focale. En utilisant des réseaux de neurones convolutionnels (CNN) simples, la balanced accuracy (BA) est de 0.17, avec un biais vers la classe majoritaire. Toutes les stratégies visant à traiter les jeux de données déséquilibrés améliorent de manière significative les performances du modèle. Pour notre étude, la meilleure performance n'est pas obtenue en utilisant les techniques de pondération par classe les plus avancées, mais en pondérant simplement la fonction de perte par l'inverse de la fréquence des classes, avec une BA de 0.64. Les questions sur l'optimisation des paramètres du modèles et des paramètres d'apprentissage sont également abordées.
Origin | Files produced by the author(s) |
---|