Verbeterde machine-leeralgoritme: Big Data-perspectief

We leven in een grote datawereld waar enorme hoeveelheden data als een vloed uit alle windstreken stromen om Data Ocean te paaien. Deze gegevens zijn fascinerend als ze op de juiste manier worden verwerkt, anders is het niets meer dan afval. Een gewoon algoritme is niet bekwaam in het omgaan met deze mammoet dataset, omdat ze geprogrammeerd zijn om te werken op basis van de instructie. Op dit moment wordt machinaal leren en datamining steeds meer gewaardeerd omdat het bestaat uit een breed scala aan robuuste algoritmen, die in staat zijn om grote hoeveelheden gegevens te verwerken. De belangrijkste ambitie van dit werk is het herkennen van de prestatiehindernis van het classificatie-algoritme voor machinaal leren als gevolg van de complexiteit die wordt toegevoegd door onbalans in de dataset voor trainingsdoeleinden.