击打与标准化
击打与标准化
提问于 2016-07-22 00:36:21
我有一个不平衡的数据集X。我把它分为数据和标签，然后标准化数据。然后使用train_test_split对训练数据和测试数据进行分割，并输出结果。
现在，我想比较一下，如果我用smote来提升少数类的话，我会得到什么，但是我想保持比较的意义。为了做到这一点，我保留了和以前一样的测试数据，并且我只将新的合成样本添加到训练数据中。我该如何处理标准化工作？
我该不该
- 简单地假设，既然我使用了已经标准化的数据中的点，那么新的合成样本也会标准化吗？因此，只需将合成样本添加到列车数据中，就可以完成了吗？(不接触测试数据)
- 从预先标准化的数据中创建合成样本，标准化合成样本并将它们添加到列车数据中？(不接触测试数据)
- 从标准化前的数据中创建合成样本，将它们添加到列车数据中，并标准化整组数据？(不接触测试数据)
- 还是.？
我得到了非常不同的结果做这三种技术，什么是最好的方式得到一个有意义的结果和比较？
回答 1
Data Science用户
回答已采纳
发布于 2016-07-31 23:48:47
解决方案1和3看起来非常相似，但是当我考虑编程范例时，我会选择1。
将分类看作是一条使用标准化、平衡和分类的大管道，人们不希望在平衡中重新标准化。此外，1中所作的假设是正确的。
以一种实用的方式，您可以使用不平衡API提供的管道来使用学习正规化器
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/12928
复制相关文章
相似问题
腾讯云开发者
