resampling

本文介绍了FewRS，一种基于重采样的方法，它大幅减少了统计可靠数据挖掘所需的重采样数据集数量，在保持严格错误发现控制和高统计功效的同时，实现了高达两个数量级的加速。

RSNet 是一个开源 R 包，提供了基于重采样的框架，用于在高维数据中进行稳健且可解释的网络推断，支持偏相关网络和条件高斯贝叶斯网络，并包含图元基元拓扑分析。

孟菲斯大学研究团队提出 HAMR——一种模型无关的元学习框架，通过双层优化与邻域感知重采样，在六个不平衡 NLP 数据集上自适应地为困难样本与少数类重新赋权。