2021
DOI: 10.1016/j.eswa.2021.114605
|View full text |Cite
|
Sign up to set email alerts
|

Interactive visual clustering and classification based on dimensionality reduction mappings: A case study for analyzing patients with dermatologic conditions

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1

Citation Types

0
1
0
1

Year Published

2022
2022
2024
2024

Publication Types

Select...
4
1

Relationship

0
5

Authors

Journals

citations
Cited by 5 publications
(2 citation statements)
references
References 54 publications
0
1
0
1
Order By: Relevance
“…O balanceamento de classes pode ocorrer pela redução de exemplos da classe majoritária, chamada de undersample (ZHOU et al, 2020), com perda de informação ou com a geração de dados artificiais na classe minoritária, chamada de oversample Paulo Leite-Filho & Sílvio Barros Tomada de decisões baseada no parâmetro b da teoria da resposta ao item nas classificações de ensemble -MUNOZ et al, 2021). Este trabalho abordará a correlação do parâmetro b da TRI com as classificações de ensemble de clusters em classes com undersample e oversample, assim como as alterações na métrica de mean squear error (MSE)…”
Section: Trabalhos Relacionadosunclassified
“…O balanceamento de classes pode ocorrer pela redução de exemplos da classe majoritária, chamada de undersample (ZHOU et al, 2020), com perda de informação ou com a geração de dados artificiais na classe minoritária, chamada de oversample Paulo Leite-Filho & Sílvio Barros Tomada de decisões baseada no parâmetro b da teoria da resposta ao item nas classificações de ensemble -MUNOZ et al, 2021). Este trabalho abordará a correlação do parâmetro b da TRI com as classificações de ensemble de clusters em classes com undersample e oversample, assim como as alterações na métrica de mean squear error (MSE)…”
Section: Trabalhos Relacionadosunclassified
“…Since the clustering method is applied to find homogeneous subgroups of observations, the algorithms have been used to profile phenotypes in sports science [3][4][5]. It is worth mentioning that the selection of the most appropriate clustering algorithm will depend on the distribution of the data and the phenotype/biological phenomenon to be analyzed (field knowledge) [6].…”
mentioning
confidence: 99%