我正在使用H2O库，我想应用欠采样数据平衡，设置参数0.8。我该怎么做呢？H2OGradientBoostingEstimator
cov_gbm = H2OGradientBoostingEstimator(balance_classes = True) 但是balance_classes = True使用了一个随机参数我想把这个参数设为0.8。 如果有任何帮助，我将不胜感激。谢谢。
浏览 14提问于2020-07-12得票数 0
1回答
假设您对培训数据应用了有针对性的欠采样技术(如TomekLinks )，以使模型能够更好地识别\单独的类。问题:如果要使用该模型对测试集进行预测，是否也对测试集执行相同的欠采样技术，还是仅在培训集上使用欠采样来帮助模型澄清类边界。然后将经过训练的模型应用于完整的测试集.
浏览 0提问于2021-11-04得票数 1
回答已采纳
1回答
我试图通过使用多数类的随机欠采样来平衡数据帧。它已经成功了，但是，我也想将从数据帧(欠采样)中删除的数据保存到一个新的数据帧中。我该如何做到这一点？这是我用来对数据帧进行欠采样的代码 from imblearn.under_sampling import RandomUnderSampler
rus = RandomUnderSampler(sampling_strategy
浏览 29提问于2021-08-09得票数 0
回答已采纳
1回答
我正在尝试将Keras中的一个神经网络与一个具有22个输入特性的数据集相匹配，以便进行二进制分类。问题是我只有195份训练样本。我知道这是一个小数据集，但我不知道是否有可能以合理的精度来拟合一个模型(我的目标是达到95%以上的准确性)。我遇到的问题是，我的模型只输出1并获得75%的准确性，因为我的数据集是75%的正案例。下面是数据集的链接：
浏览 2提问于2019-09-23得票数 0
回答已采纳
我正在使用"imblearn“库进行欠采样。我的数据集中有四个类，每个类有20、30、40和50个样本数据(因为它是一个不平衡的类)。选择这些样本数是为了方便地描述问题，这些样本数在实际应用中并不是有效的数量。
我想对每个有10个样本数据的类进行欠采样。有没有可能我可以用"imblearn“来做呢？目前，我正在使用以下代码对每个类进行欠采样，使其达到我的少数类的数量(20个样本数据</em
浏览 28提问于2020-06-01得票数 1
回答已采纳
我有3个数据集，每个数据集分成3个不同的类( 买入/持有/出售 )。我随机抽取每个数据集中每个类的频率到每个数据点10000个数据点。
我的问题是，在我做随机抽样之前还是之后，我应该对训练集进行缩放？我为我提供了一个平衡每个数据集的函数，请注意，此时数据已经被缩放了。
浏览 0提问于2020-03-31得票数 3
1回答
我有一个不平衡的数据集，我使用smote对少数类进行过采样，而对多数类进行欠采样。现在，我想使用模型的predict_proba检查测试AUC。2.我如何校正它(欠采样和过采样的组合！)
浏览 40提问于2019-11-22得票数 0
1回答
我是机器学习的新手，目前正在从事一个数据不平衡的项目。我想用随机抽样来平衡数据。我很困惑是应该在测试列车分裂后进行欠采样，还是应该先进行欠采样，然后再进行列车测试分割？2.将X_train和y_train合并为一个数据集，进行欠采样。3.在欠采样后，进行了基于F1评分的交叉验证和模型选择，并利用X_test、Y_test进行了预测。
我的方法正确吗？
浏览 1提问于2020-05-22得票数 5
我想一起使用过采样和欠采样技术我有6个类，样本数如下:类0 250000类1 48000类2 40000类3 38000类4 35000类5 7000我想使用smot来使所有类平衡且大小相等类0 40000类1 40000类2 40000类3 40000类4 40000类5 40000我知道如何对所有数据进行过采样或欠采样，但如何将它们与多类分类一起使用
浏览 124提问于2021-08-24得票数 0
2回答
我试图使用网格搜索为我的模型找到最佳参数。在进行交叉验证时，我知道必须执行Nearmise欠采样方法，在使用交叉验证之前，我是否应该将网格搜索与我的低采样数据集(无论在抽样技术下是哪种数据集)或我的整个培训数据集(整个数据集)进行匹配？
浏览 0提问于2021-02-16得票数 0
3回答
我刚刚使用DMwR包中包含的Smote在我的数据集中进行了过采样。newData <- SMOTE(Score ~ ., data, k=3, perc.over = 400,perc.under=150)例如，样本号24显示为24.1、24.2和
浏览 5提问于2014-06-08得票数 2
3回答
我有一个包含4个类的数据集，其实例数如下：第1类: 82第3类: 121欠采样: CondensedNearestNeighbour，EditedNearestNeighbours，NeighbourhoodCleaningRule，RandomUnderSampler过度取样: SMOTE，ADASYN
Class_weight:
浏览 0提问于2017-05-04得票数 2
1回答
欠采样的主要思想是随机删除具有足够观察值的类别，以便两个类别的比较比率在我们的数据中具有显着意义。那么，如何在python中对图像数据进行欠采样呢？请帮帮我：(我希望每个班级在第四个班级之后
浏览 4提问于2020-01-11得票数 0
3回答
我有一个大约20000个训练样本的数据集，我想对其进行二进制分类。问题是数据集严重不平衡，只有大约1000个属于正类。我正在尝试使用xgboost (in R)来做我的预测。我尝试过过采样和欠采样，无论我做什么，不知何故，预测总是导致将所有东西归类为多数类。如果任何人对调整xgboost的学
浏览 2提问于2016-12-05得票数 8
回答已采纳
我在用不平衡的数据集进行分类。据我所知，sklearn的SVM确实有一个decision_function_shape超参数，可以将其设置为'one兑one‘(虽然SVM默认会执行'ovo' )。由于我选择做一个低采样的'ovo'，我感兴趣的是对'ovo'参与班级中的多数类进行下采样，到少数类的大小，然后再对每个'ovo'模型进行拟合。因此，在每个'ovo'模型中，多数类的欠<e
浏览 8提问于2022-06-21得票数 0
2回答
处理多数类丢失的数据
、、、
我正在使用一个不平衡(10:1)的数据集进行分类。我还在某些列中丢失了一些数据。如果我把它们全部丢弃，我仍然有5:1的比率，所以我想我有能力抛弃它们？丢弃缺少值的行，因为数据集已经不平衡。使用其余行进行欠采样。
很抱歉问你这个问题，低年级学生。
浏览 0提问于2021-12-18得票数 1
1回答
我想重新采样一些大数据(类大小: 8mio vs 2700)，我希望通过过采样类2和欠采样类1来获得每个样本的50.000个样本。imblearn似乎提供了过采样和欠采样的组合，但我不明白它是如何工作的。random_state=1)
X_resamp, y_resamp = smt.fit_resample(data_all[29000:30000], labels_all[29000:30000]) 在数据看起来
浏览 27提问于2019-10-12得票数 1
回答已采纳
1回答
在我的问题中，我处理的是一个高度不平衡的数据集，比如每一个正面类都有10000个负值。一种正常的训练模型的方法是对数据进行欠采样。在这一过程中，对我们的模型进行低采样数据的训练，并检查模型对保留的评估(从原始数据-不欠采样)是非常重要的。
现在同性恋来了。交叉验证实际上将欠采样的列车组分割成K段，并将其中一个折叠作为测试集(现在是欠采样的测试集)。我认为对于模型评
浏览 0提问于2019-02-04得票数 12
回答已采纳
2回答
在数据不平衡的情况下使用BRF。它的工作原理是正常的RF，但是对于每次引导迭代，它通过欠采样来平衡流行类。例如，给定两个类N0 = 100和N1 =30个实例，在每个随机抽样时，它从第一类抽取30个实例(用替换)，从第二类抽取相同数量的实例，即在平衡数据集上训练一棵树。有关更多信息，。RandomForestClassifier()确实具有'class_weight=‘参数，该参数可能被设置为'balanced'，但我不确定它是否与引导训练
浏览 6提问于2016-11-12得票数 13
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
