关于折叠变量和过采样少数类的问题
关于折叠变量和过采样少数类的问题
提问于 2023-02-08 15:32:07
我有9个类组成的不平衡数据，我计划将它们合并成两个类。我根据这九个班在测试、验证和训练集之间进行分层(比例)抽样。现在，当我对训练数据进行过采样时，是在折叠前对这九个类进行过采样，还是应该先折叠它们，然后再过采样？
一般来说，我相信过度抽样然后崩溃会更好，但培训数据中的一些课程很小(5例)，而另一些则相当大(1000例)。因此，我将重复对同一5种情况- 1,000例-进行抽样，这似乎很奇怪。另一方面，如果我崩溃然后过度采样，那么最小的类很有可能甚至不会被重放。
有什么建议吗？谢谢!
回答 1
Data Science用户
发布于 2023-02-08 16:07:31
首先，欢迎来到数据科学堆栈交换。关于是否在减少班级数量之前或之后执行少数群体抽样的问题:好问题。
通过之前的过度抽样，您将确保在这九个类的上下文中，每个类是平衡的。然后，通过将它们分解成两个类，我们可能会再次造成阶级不平衡。因此，我的总体建议是先分解为两个类别，然后对数据进行少数群体过度抽样，使样本最少的类获得更多的人工示例，以等于多数类的数量。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/118385
复制相关文章
相似问题
腾讯云开发者
