Изменения

* Easy Ensemble classifier<ref> [https://enX.-Y. Liu, J. Wu and Z.-H.wikipediaZhou, “Exploratory undersampling for class-imbalance learning,” IEEE Transactions on Systems, Man, and Cybernetics, vol.org Sampling_39(statistics2)], pp. 539-550, 2009.</ref>{{---}} независимые классификаторы обучаются на случайных подвыборках, из которых постепенно удаляются правильно классифицирующиеся примеры мажоритарных классов.* Balanced Random Forest<ref> [https://enC. Chao, A. Liaw, and L. Breiman.wikipedia"Using random forest to learn imbalanced data.org Sampling_" University of California, Berkeley 110 (statistics2004)]: 1-12.</ref>{{---}} в отличие от классического [[Дерево_решений_и_случайный_лес|случайного леса]], может работать на несбалансированных данных. * Balanced Bagging<ref> [https:Hido, Shohei & Kashima, Hisashi. (2008). Roughly Balanced Bagging for Imbalanced Data. 143-152. 10.1137//en1.9781611972788.wikipedia13.org Sampling_(statistics)]</ref>* RUSBoost<ref> {{---}} в отличие от классического [[https://enВиды_ансамблей#.D0.91.D1.8D.D0.B3.D0.B3.D0.B8.D0.BD.wikipediaD0.org Sampling_(statistics)B3|бэггинга]]</ref>, имеет дополнительный шаг субдискретизации обучающей подвыборки.