AI要約 不均衡データの分類において、少数クラス内に複数のサブ概念が存在する場合の性能推定バイアスを分析。従来の評価指標が楽観的な推定を生む問題を指摘し、サブ概念構造を考慮した補正手法を提案する研究。

EN This paper addresses performance estimation bias in imbalanced classification when minority classes contain multiple subconcepts, showing standard metrics yield optimistic estimates and proposing correction methods that account for subconcept structure.