Generative Deep Learning Methode zur Modellierung der Unfallschwere bei unausgewogenen Daten

Die Studie entwickelt eine auf Conditional Tabular Generative Adversarial Networks (CTGAN) basierende Methode zur Generierung synthetischer Daten, um die Modellierung der Unfallschwere bei unausgewogenen Datensätzen zu verbessern. Die Ergebnisse zeigen, dass die vorgeschlagene Methode die Klassifizierungsgenauigkeit und Interpretationsleistung im Vergleich zu traditionellen Resampling-Methoden erhöht.