A Systematic Study of the Class Imbalance Problem in the Era of Deep Learning

The variety of the datasets include tabular, text and image data.

Tabular datasets:

• Arrhythmia
• Mammography

Models:

• VAE
• SMOTE
• Borderline-SMOTE
• Random Oversampling

classifiers:

• Gaussian NB
• Logistic Regression
• SVM

Metrics:

• G-mean
• F1

Text datasets:

• dataset consisting of tweets in Greek concerning public transport and cycling was used, retrieved from Twitter using a list of relevant keywords.
  keywords: λεωφορείο, λεωφορειόδρομος, μετρό, τραμ, ΟΑΣΘ, ΟΑΣΑ, Μέσα Μαζικής Μεταφοράς, ΜΜΜ, Δημόσιες συγκοινωνίες, ποδήλατο, ποδηλατόδρομος, ποδηλάτης, πεζός, πεζοδρόμιο, κυκλοφοριακή συμφόρηση, μποτιλιάρισμα, Βιώσιμη Αστική Κινητικότητα, μεγάλος περίπατος, μέσα μεταφοράς

Models:

• VAE
• SMOTE
• Borderline-SMOTE
• Random Oversampling

classifiers:

• Gaussian NB
• Logistic Regression
• SVM

Metrics:

• G-mean
• F1

Image datasets:

• MNIST (Modified National Institute of Standards and Technology) dataset

Models:

• VAE
• GAN

classifiers:

• Random Forest

Metrics:

• Precision
• Recall
• F1