Faire und effiziente Datenpruning-Methoden zur Verbesserung der Klassifikationsleistung

Bestehende Datenpruning-Algorithmen können zu stark verzerrten Klassifikationsmodellen führen. Eine einfache Methode, die auf Fehlerquoten basierte Klassenproportionen verwendet und zufällig innerhalb der Klassen pruned, kann die Klassifikationsrobustheit deutlich verbessern, ohne die durchschnittliche Leistung stark zu beeinträchtigen.