Pendekatan pertama
Pendekatan kedua untuk
menggunakan undersampling
menangani
untuk menangani
ketidakseimbangan dalam
ketidakseimbangan dalam
kelas dari fault prone (fp
kelas dari not fault prone (nfp)
modul kelas minoritas
modul kelas mayoritas
(positive) (Yap et al., 2014).
(negative)
Sementara
Oversampling dapat
undersampling dapat
menyebabkan overfitting
membuang sebagian
untuk membuat duplikat
besar potensi sampel
jumlah yang sama
berguna (Yap et al.,
dengan sampel minoritas,
2014).