1回答
生成人工数据扩展学习集
、、、、
我有包含42个实例(X)和最后一个Y的数据集，我想在其中执行LASSO regression.All是连续的和数字的。由于样本量小，我想把它扩大。我对用于扩展不平衡数据集的SMOTE算法有一定的了解。在没有不平衡的情况下，我的情况有什么可用的吗？
浏览 0提问于2020-08-21得票数 1
1回答
有没有办法使样品平衡？
、、、
我有一个由machines.The分解的属性组成的数据集，目标变量是机器状态，由0和1填充。0和1的分布如下所示 1 - 225我说的人工排行是什么意思？填充一些随机数据，目标变量为1's，但这最终会误导系统。我看不出还有其他的选择和选择。
有没有办法使样品平衡？
浏览 0提问于2018-11-08得票数 0
回答已采纳
为了平衡我的不平衡数据集，我正在使用imblearn over_sampling SMOTE技术。features= dataset.iloc[:,[1,2,3,4]]from imblearn.over_sampling import SMOTE# applying SMOTE to our data and checking the class counts
resampled, yresampled = <
浏览 1提问于2019-12-23得票数 2
回答已采纳
2回答
我正试图处理一个小数据集中的数据不平衡问题。刚刚发现了一篇关于SMOTE和MSMOTE 的文章你知道我是否可以尝试任何内置的MSMOTE吗？我对任何编程语言都没意见..。
浏览 4提问于2017-04-09得票数 3
5回答
我在Python程序中使用scikit-learn来执行一些机器学习操作。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
我想要平衡一组训练数据，它具有以下特征，并且在X_train和y_train中是分开的。我的班级的百分比大致如下：class B: 45%所以我想对我的数据重新采样，如下所示：class B: 41%我想使用的库是：
并使用Smote作为平衡算法。我的问题是，我不知道如何使用这个库<
浏览 25提问于2020-02-28得票数 1
4回答
我得处理一个小数据集。我认为我应该利用重放法来扩大种群，提高我的回归算法的性能。我听说过SMOTE，但它用于不平衡数据集中的分类。是否有任何方法来创建小型数据集的合成数据？谢谢。
浏览 0提问于2019-08-01得票数 0
1回答
为了解决不平衡的数据问题，我运行了下面的Python代码。我用了击打功能。我不知道如何看待和导出(作为一个excel文件到我的桌面)“重采样数据集”(1: 860到0:860)。因为我想获得该excel文件并使用另一个application.Any帮助来处理它是非常感谢的。from imblearn.over_sampling import SMOTE
x_smote , y_smote</
浏览 4提问于2021-04-01得票数 0
3回答
我正在尝试在R中对不平衡的数据集进行SMOTE。我试着为此安装"DMwR“包，但是这个包似乎已经从cran存储库中删除了。或者建议在R中使用SMOTE的任何其他包？ 蒂娅！
浏览 233提问于2021-04-14得票数 2
3回答
我有大约130000张记录的数据集。将记录划分为两类目标变量，0&1.1只占总比例的0.09%。library(DMwR)
data_code$target=as.factor(data_code$target) #Converted to factor as#
浏览 2提问于2019-02-11得票数 3
回答已采纳
2回答
我用1和0来代替它们，因为1和0之间有很大的不平衡，我的模型基本上了解了这些特性。我担心这个特殊的特征可能是一个工件--有0的样本有时也可以被归类为1。在这种情况下该怎么办？更新：
让我详细解释这个问题，因为答案大多集中在不平衡的课堂上。我有一个由大约30个特性和二进制类{0,1}组成的数据集。特征主要是数字(连续)，但也有二元分类特征，如是/否，男性/女性等。这个数据集的一个方面是不平衡类(有比零更多的类)，另一个方面是，一个分类特性，假设x (是/否)也
浏览 0提问于2019-03-04得票数 3
1回答
混乱矩阵中的支持
、、、
我有一个不平衡的数据集，我使用SMOTE算法来平衡它。当我打印混淆矩阵时，在过采样后，它向我显示了以下输出：我有一个1000标签的数据集1发生700次，标签0发生300次，我使用0.3作为测试数据，但为什么它显示我支持即使我不应用SMOTE算法，它也显示了91和209，在应用SMOTE之后，也是一样的。
浏览 2提问于2020-11-30得票数 0
回答已采纳
1回答
我在医学领域工作，所以阶级不平衡是规则，而不是例外。虽然我知道Python有用于类不平衡的包，但在Orange中，我没有看到任何选项，例如SMOTE小部件。我在Stack Exchange中读过关于这个问题的其他线程，但是我还没有找到解决Orange中类不平衡问题的方法，而不需要使用Python编程。谢谢
浏览 0提问于2021-02-21得票数 0
1回答
乱砍滥伐后少数民族阶层的过度适应
、、、、
我用SMOTE做了一个预测模型，1级有1800个样本，35000+有0级样本。因此，按照标准，建立了合成样本，并对随机森林进行了训练。无击打和我也尝试过超参数优化，但这不起作用PS:在pandas中使用UnbalancedDataset库的SMOTE实现
浏览 0提问于2016-05-09得票数 7
回答已采纳
1回答
所以我有一个形状数据集(430, 17 )，它由13个类(不平衡)和17个特性组成。最终目标是创建一个NN，当我导入不透明的数据集时，它可以正常工作，但是当我试图在jupyter笔记本中使用SMOTE对少数类进行过采样时，类确实得到平衡，但形状也发生了变化。然后，如果我把这些数据放入我的神经网络中，它当然不能工作，因为我的输入层的input_dim已经改变了。
我的问题是，SMOTE过程是否不仅增加了行来平衡
浏览 0提问于2021-12-09得票数 1
回答已采纳
我目前有一个不平衡的数据集，如下图所示：
然后，我使用'is_unbalance‘参数，在训练LightGBM模型时将它设置为True。下面的图表显示了我如何使用这个参数。使用本机API:的示例
使用sckit-learnAPI:的示例
我的问题是：
is_unbalanceOr 是应用is_unbalance参数正确的方法吗？如何使用scale_pos_weight代替，我应该使用SMOTE</e
浏览 28提问于2022-04-12得票数 2
我有一个数据集。数据集有一些分类值和一些离散值。我的数据集是一个不平衡数据集。我使用Weka提供的Resample过滤器将数据集分为60%的训练数据和40%的测试数据。为了使数据集平衡，我使用了SMOTE技术。在那之后，我使用随机森林对数据集进行分类。
现在我不能理解结果中的?是什么意思？其次
浏览 20提问于2021-10-21得票数 0
1回答
根据chawla等人(2002)撰写的论文，平衡数据的最佳效果是将欠采样与平滑相结合。在weka有重采样，以减少多数阶级。在重采样的biasToUniformClass中有一个属性--是否对一个统一的类使用偏向。值0使类分布保持原样，值1确保类分布在输出数据中是一致的。我使用值0，多数类中的数据</
浏览 4提问于2015-01-14得票数 2
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。我知道这两个算法使用的是线性函数，也许在这种情况下我可以使用一些接口。编辑: StratifiedFold交叉验证对我来说没有用，因为有时我的出现次数比折叠次数少。例如，我有一个有50个实例和3个类的数据集，但是46个可以属于一个类，2个属于第二类，2个属于第三类，
浏览 2提问于2017-02-22得票数 0
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
