Jury doceniło jego pracę „Classifier selection for imbalanced data stream classification (Selekcja klasyfikatorów w zadaniu klasyfikacji niezbalansowanych strumieni danych)”, której promotorem był prof. Michał Woźniak z Katedry Systemów i Sieci Komputerowych.

– Tematyka mojej rozprawy doktorskiej jest ściśle powiązana z realizowanym na PWr projektem „Algorytmy klasyfikacji niezbalansowanych strumieni danych” finansowanym przez Narodowe Centrum Nauki – mówi dr inż. Paweł Zyblewski. – Miał on na celu połączenie ze sobą dwóch istotnych trendów badawczych z dziedziny rozpoznawania wzorców w zakresie analizy tzw. danych trudnych, tj. klasyfikacji strumieni danych (ang. data stream classification) oraz klasyfikacji danych niezbalansowanych (ang. imbalanced data classification) – dodaje.

Dane niezbalansowane charakteryzują się odmienną liczbą obiektów należących do poszczególnych klas problemu, co znacząco utrudnia zadanie klasyfikacji w przypadku wykorzystania standardowych algorytmów, które posiadają tendencję do faworyzowania – często mniej dla nas istotnej – klasy większościowej.

Z kolei strumienie danych wymagają ciągłej poprawy wykorzystywanych modeli, ze względu na możliwość wystąpienia w nich zjawiska tzw. dryfu koncepcji (ang. concept drift). Zjawisko to może prowadzić do przesunięcia się granicy decyzyjnej problemu, a w konsekwencji do degeneracji zdolności decyzyjnej klasyfikatora w trakcie jego eksploatacji. Te niekorzystne z praktycznego punktu widzenia zaburzenia danych w konsekwencji wpływają negatywnie na prognozowanie wielu ważnych procesów gospodarczych, w tym wspomagania decyzji medycznych, logistycznych i konsumenckich.

Więcej>>