Penggunaan Feature Space SMOTE Untuk Mengurangi Overfitting Akibat Imbalance Dataset DOI Creative Commons

Wira Adi Kurniawan,

Abu Salam

Techno Com, Год журнала: 2024, Номер 23(2), С. 328 - 337

Опубликована: Май 28, 2024

Pembuatan model klasifikasi memerlukan beberapa hal yang penting untuk diperhatikan demi mendapatkan memiliki performa terbaik. Indikator suatu disebut baik dapat dilihat salah satunya dari tingginya nilai akurasi dan f1-score dihasilkan tersebut. Rendahnya loss juga merupakan satu indikator tersebut baik. Untuk membuat baik, diperlukan syarat seperti arsitektur tepat data berkualitas. Pemilihan terlalu sederhana akan mengakibatkan buruk, begitupun jika kompleks tidak menghasilkan pula, oleh karena itu dipilih haruslah sesuai dengan jenis digunakan. Data berkualitas faktor agar maksimal. dikatakan memenuhi jumlahnya cukup, distribusi datanya seimbang tiap kelas, keanekaragaman kebersihan Pada penelitian ini, dilakukan pembuatan CT Kidney Stone dataset imbalance. Dataset diperoleh sumber publik yaitu Kaggle. menggunakan algoritma CNN terbaik dalam gambar. 3 cara melihat paling Model pertama dibuat train kedua melakukan augmentasi menambah keragaman data. ketiga SMOTE oversampling menyeimbangkan Setelah diuji privat pengujian tingkat overfitting terjadi. Penelitian ini bahwa adalah SMOTE.

TIxAI: A Trustworthiness Index for eXplainable AI in skin lesions classification DOI Creative Commons
Cosimo Ieracitano, Francesco Carlo Morabito, Amir Hussain

и другие.

Neurocomputing, Год журнала: 2025, Номер unknown, С. 129701 - 129701

Опубликована: Фев. 1, 2025

Язык: Английский

Процитировано

1
Automating skin cancer screening: a deep learning DOI Creative Commons

Nada M. Rashad,

Noha MM. Abdelnapi,

Ahmed F. Seddik

и другие.

Journal of Engineering and Applied Science, Год журнала: 2025, Номер 72(1)

Опубликована: Янв. 17, 2025

Abstract Skin cancer presents in various forms, including squamous cell carcinoma (SCC), basal (BCC), and melanoma. Established risk factors include ultraviolet (UV) radiation exposure from solar or artificial sources, lighter skin pigmentation, a history of sunburns, family the disease. Early detection prompt intervention are crucial for achieving favorable prognosis. Traditionally, treatment modalities surgery, therapy, chemotherapy. Recent advancements immunotherapy have revolutionized diagnosis, but manual identification remains time-consuming. Artificial intelligence (AI) has shown potential classification, leading to automated screening methods. To support dermatologists, we improved model classifying images. This is able recognize seven different kinds lesions. On ISIC dataset, an analysis been done. study offers novel approach early diagnosis based on image processing. Our leverages high accuracy specific convolutional neural network architecture, utilizing transfer learning with pre-trained data further enhance performance. findings demonstrate that employed ResNet-50 achieves remarkable 97%, while ResNet50 without augmentation gives 81.57% F1-score 75.75%.

Язык: Английский

Процитировано

0
Penggunaan Feature Space SMOTE Untuk Mengurangi Overfitting Akibat Imbalance Dataset DOI Creative Commons

Wira Adi Kurniawan,

Abu Salam

Techno Com, Год журнала: 2024, Номер 23(2), С. 328 - 337

Опубликована: Май 28, 2024

Pembuatan model klasifikasi memerlukan beberapa hal yang penting untuk diperhatikan demi mendapatkan memiliki performa terbaik. Indikator suatu disebut baik dapat dilihat salah satunya dari tingginya nilai akurasi dan f1-score dihasilkan tersebut. Rendahnya loss juga merupakan satu indikator tersebut baik. Untuk membuat baik, diperlukan syarat seperti arsitektur tepat data berkualitas. Pemilihan terlalu sederhana akan mengakibatkan buruk, begitupun jika kompleks tidak menghasilkan pula, oleh karena itu dipilih haruslah sesuai dengan jenis digunakan. Data berkualitas faktor agar maksimal. dikatakan memenuhi jumlahnya cukup, distribusi datanya seimbang tiap kelas, keanekaragaman kebersihan Pada penelitian ini, dilakukan pembuatan CT Kidney Stone dataset imbalance. Dataset diperoleh sumber publik yaitu Kaggle. menggunakan algoritma CNN terbaik dalam gambar. 3 cara melihat paling Model pertama dibuat train kedua melakukan augmentasi menambah keragaman data. ketiga SMOTE oversampling menyeimbangkan Setelah diuji privat pengujian tingkat overfitting terjadi. Penelitian ini bahwa adalah SMOTE.

Процитировано

1