Apakah ada metode klasifikasi yang paling cocok digunakan dengan ADASYN

Berdasarkan hasil pencarian, beberapa metode klasifikasi yang cocok digunakan dengan ADASYN (Adaptive Synthetic Sampling) adalah:

1. Naïve Bayes: Penanganan distribusi kelas yang tidak seimbang pada dataset MultiClass menggunakan ADASYN dapat meningkatkan nilai akurasi MCC (Matthews Correlation Coefficient) maupun G-mean pada metode Naïve Bayes.
2. KNN (K-Nearest Neighbors): Penanganan distribusi kelas yang tidak seimbang pada dataset MultiClass menggunakan ADASYN dapat meningkatkan nilai akurasi MCC maupun G-mean pada metode KNN.
3. Logistic Regression: Penanganan distribusi kelas yang tidak seimbang pada dataset MultiClass (wine) menggunakan ADASYN dapat meningkatkan nilai akurasi MCC maupun G-mean pada metode Logistic Regression.
4. Support Vector Machine (SVM): SVM digunakan sebagai metode klasifikasi dengan ADASYN dalam peningkatan performa model berdasarkan karakteristik datasetnya.

Dalam sebuah studi komparatif, metode SMOTE dengan metode klasifikasi lebih mampu menangani jumlah kelas mayoritas dan minoritas pada data tidak seimbang dibandingkan dengan menggunakan ADASYN. Pengujian metode SMOTE dengan metode klasifikasi menghasilkan nilai MCC dan G-mean yang mencapai kinerja prediksi yang lebih besar dibandingkan dengan menggunakan metode klasifikasi saja maupun menggunakan Metode ADASYN. Luck365