Génération de lots équilibrés pour des ensembles de données déséquilibrés

Dans ce projet, vous apprendrez à implémenter un pipeline de données déséquilibrées capable de traiter des ensembles de données déséquilibrés et de générer des lots avec des distributions de classes approximativement équilibrées. Il s'agit d'une tâche courante en apprentissage automatique, où l'ensemble de données peut avoir beaucoup plus d'échantillons d'une classe par rapport aux autres, ce qui peut entraîner une formation biaisée du modèle et de mauvaises performances.

💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici