我试图解决一个多类不平衡的分类问题。为此，我使用SMOTE表示过采样，而OSS用于过采样.但我有一个疑问，因为我正在研究多类，所以我必须把它转换成二进制分类。所以我们可以用OVA/OAA来转换它。那么，如何使用OVA/OAA同时对同一数据集进行过采样和欠采样？
浏览 0提问于2019-01-28得票数 2
我试图使chawla等人2002年描述的Smote技术在下面的链接中描述到一个只有一个级别类的数据集，这是不可能的，因此，我认为将我的数据集分割为用于过采样的数据集，称为Dataover，包含所有要过采样的类，并创建一个称为dataunde
浏览 2提问于2017-12-06得票数 0
我正在处理一个不平衡的数据集，并希望使用scikit的gridsearchcv进行网格搜索来调整模型的参数。为了对数据进行过采样，我想使用SMOTE，我知道我可以将其作为管道的一个阶段，并将其传递给gridsearchcv。我担心的是，我认为smote将同时应用于训练和验证折叠，这不是你应该做的。不应对验证集进行过</e
浏览 0提问于2018-05-09得票数 27
回答已采纳
当我使用SMOTE对四类分类问题中的三类进行过采样时，针对少数类的Prec、Recall和F1度量仍然很低(~3%)。我的数据集中有32个分类变量和30个连续变量。此外，在进行过采样处理之前，我将使用Iterativeimputer计算所有缺失的值。
关于分类器，我使用的是logistic回归，随机森林和XGboost。能告诉我你对这个的
浏览 0提问于2019-08-09得票数 0
2回答
合成少数群体过采样技术(SMOTE)是一种用于非平衡数据集问题的过采样技术。到目前为止，我已经知道如何将其应用于一般的结构化数据。但是，它能应用于文本分类问题吗？您需要对哪些部分的数据进行过采样？
浏览 0提问于2018-02-10得票数 25
1回答
因此，我需要使用scikit learn中的一些估计器，即LogisticRegression和SVM，但我有一个问题，我有一个非常不平衡的数据集，需要运行Kfold交叉验证。问题是，有时我要拟合的折叠层只能有一个可用的目标类。无论如何，感谢您的宝贵时间。
编辑: StratifiedF
浏览 2提问于2017-02-22得票数 0
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
在数据分类不平衡的情况下，我知道我们只是过采样了培训集(以防止数据从培训到测试子集的泄漏)，但是如果我的测试集中没有正数据点怎么办？测试集仍然非常偏斜，只有我的阳性类的1%。同时，我也尝试过使用SMOTE、SMOTE和Class_weight来对我的训练集进行过采样<
浏览 0提问于2019-08-20得票数 2
回答已采纳
我的y是0或1(真或假)。我有分类和数字的特点，所以理论上，我需要使用SMOTE-NC而不是SMOTE。然而，我得到了更好的结果与打击。我复制了我的示例代码(x和y在清理之后，包括BinaryEncoder)。_train, X_val, y_train, y_val = train_test
浏览 0提问于2019-09-24得票数 6
回答已采纳
我有：
在每个时代，我随机抽样，没有替换10k数据点进行训练，因为我摆脱了Mem错误。随机抽样验证集，为10k的x%，并在每个时代使用相同的集。
随机抽样验证集，每一时期为10k的x%。
浏览 0提问于2020-11-11得票数 0
1回答
我有一个977行的小数据集，类比例为77:23。我的输入变量本质上是绝对的。下面是我试过的。假设我们没有age和salary信息( b)分成火车
浏览 0提问于2022-02-20得票数 6
回答已采纳
2回答
我使用的是一个小型的私有数据集(超过192个样本)和4个类。为了进行任何分类，预处理步骤都是微不足道的。在特征选择和提取技术中，我决定采用过采样(SMOTE)。以下是我所做的：使用SMOTE为每个类创建合成样本，因此我总共得到500个每个类的样本(总计2000)。我对这个程序有很大
浏览 0提问于2021-04-07得票数 1
2回答
我想用深度学习算法对5个不同的对象进行分类。我计划使用迁移学习。对于两个类，我有超过2000个数据集，并且可以收集更多。然而，对于另外3个班级，我每个班级总共只有300个。例如，假设我们有一个二进制类“非欺诈”和“欺诈”类。绝大多数交易将属于“非欺诈”类别，极少数交易将属于“欺诈”类别。 PS。如果我可以使用其中一个大小的数据集作为一个类，而其余的作为另一个类，那么这个问题就可以变
浏览 28提问于2019-09-09得票数 1
2回答
我正在Weka中解决一个二进制分类问题，数据集高度不平衡(一个类别90%，另一个类别10% )。我首先将SMOTE ()应用于整个数据集，以平衡类别，然后对新获得的数据执行10倍交叉验证。乐观的结果，F1在90%左右。
这是由于过采样造成的吗？对应用了SMOTE的数据执行交叉验证是不是不好的做法？有什么办法可以
浏览 2提问于2015-08-06得票数 5
1回答
我正在一个PySpark二进制分类管道上工作，我想在其中使用过采样阶段执行CrossValidation (我的数据集不平衡)。问题是过采样阶段也是在测试数据集上执行的。管道：smote是我希望在转换测试数据集时跳过<em
浏览 1提问于2019-11-16得票数 1
5回答
问题是我的数据集存在严重的不平衡问题。
有没有人熟悉scikit-learn或python中不平衡的解决方案？在Java中有SMOTE机制。在python中有类似的东西吗？
浏览 1提问于2013-02-25得票数 40
2回答
我的数据集非常不平衡。两个少数类各包含多数类中的一半样本。我的RNN模型无法了解人口最少的类。sm = SMOTE(random_state=42, n_jobs=-1, k_neighbors=10)
X_train, y_train = sm.fit_resample(train.drop(['label], axis=1), train[&#
浏览 0提问于2019-09-02得票数 4
回答已采纳
2回答
我有一个不平衡的数据集。我正在使用SMOTE (合成少数人抽样技术)来执行过采样。在执行二进制分类时，我在这个过采样的数据集上使用10倍交叉验证。然而，我最近研究了这篇文章；提到在交叉验证期间使用过采样数据集是不正确的，因为它会导致性能评估过于乐观。
我要验证正确的方法/过程，即在交叉验证中使用过<e
浏览 2提问于2018-03-27得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
