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
我正在使用Auto-Sklearn，并且有一个包含42个严重不平衡的类的数据集。处理这种不平衡的最好方法是什么？据我所知，在机器学习中存在两种处理不平衡数据的方法。要么使用重采样机制，如过采样或欠采样(或两者的组合)，要么在算法级别上通过选择需要深入了解Auto-Sklearn中使用的
浏览 2提问于2020-02-21得票数 2
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。29000:30000])
>>Counter({0: 968, 9: 32}) 在那之后 >>Counter(y_re
浏览 27提问于2019-10-12得票数 1
回答已采纳
1回答
我正在处理不平衡的数据集，我试图建立一个使用MLP分类器的预测模型。不幸的是，该算法将所有观察值从测试集分类到"1“类，因此分类报告中的f1评分和回忆值为0。有人知道怎么处理吗？
浏览 0提问于2017-06-18得票数 8
回答已采纳
3回答
问题是数据集是高度不平衡的。对于目标X1，它有171793条记录，X2有101575条，Xn -1有2条，Xn有2条。考虑目标值计数是按递减顺序排列的。为了处理不平衡的数据集，对多类(比如3类)进行过采样和欠采样。但在我的例子中，有256个类。如何在这种情况下对数据集进行采样？如何以一种方式对数据集进行采样，使我的</e
浏览 0提问于2019-09-28得票数 2
1回答
我所掌握的数据不平衡。然而，当实际进行测试时，所有1500例患者的结果都相反。当进行欠采样时，准确率约为85%，1500例中，300例不同，但精度差异较大。
当然，我检查的召回和准确性，但没有显着性差异的准确性，所以你能向我解释为什么这些结果发生吗
浏览 17提问于2022-06-14得票数 2
回答已采纳
2回答
假设我有一个二进制分类问题，而我的数据是不平衡的，我可以使用任何算法建立一个分类模型，并使用过采样或欠采样技术来处理类的不平衡。
如果我要独立地建立两个独立的模型，每个模型只为一类数据训练。这会是正确的做法吗？
浏览 0提问于2018-08-09得票数 0
1回答
我有一个不平衡的数据集。我在找样本以下的。尽管过采样过程花费的时间较少，模型的训练却需要很长的时间。我看了一下不平衡-学习网站。有几种欠采样方法。我正在寻找一种方法，它试图用尽可能多的完整信息对类进行欠采样。我尝试了.ClusterCentroids()方法，发现平衡类花费的时间太长了。
我尝试过其他在网站上提到的</e
浏览 0提问于2019-04-19得票数 2
回答已采纳
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？我的方法是: 1.我用火车测试拆分得到: X_train，y_train用于培训，X_test和y_test用于测试。2.将X_train和y_train合并为一个数据集，进行欠采样。3.在
浏览 1提问于2020-05-22得票数 5
我正在使用图像数据集，但它的不平衡和我的工作，以解决它使用欠采样，但它需要更多的内存，如何才能节省内存，或如何才能与大型图像数据集需要重采样(不平衡图像数据集)和需要内存大17 GB的python语言，
浏览 85提问于2021-09-19得票数 0
我正在使用不平衡学习的"balanced_batch_generator“来尝试对4维的图像数组执行欠采样。我知道这个函数不接受>2维的数据，但是我想知道是否有解决这个问题的办法。我会通过手动拆分数据来执行欠采样/过采样，但是我想利用keras很好地实现的函数，如NearMiss来智能地采样我的数据。
浏览 2提问于2020-04-11得票数 1
1回答
我正在考虑改进我的搅动模型的不平衡数据集，因为大多数人推荐过采样/欠采样。我想知道使用过去的客户流失数据是否会有帮助。假设我现在只是开始收集过去12个月的数据，为此，我还收集了过去12-36个月的客户流失数据。如有任何反馈，将不胜感激。
谢谢
浏览 0提问于2022-02-27得票数 1
3回答
我有一个具有二进制类属性的数据集。其中623例为+1级(癌阳性)，101 671例为1级(癌阴性)。有什么办法可以改善这种情况吗？
谢谢!
浏览 0提问于2015-11-12得票数 13
3回答
这两个数据集都是不平衡的(百分比相似)，大约有90%的标签1。如果测试集是非常不平衡的，那么平衡数据会有用吗？标签0的实例(即10%)仍然足够。有没有使用过采样和过采样的混合技术？还是没什么意义？
浏览 0提问于2023-03-08得票数 2
1回答
所以我的问题就像我有多个交付伙伴，并且有两个参数，第一个是每个交付伙伴分配的总订单和他们的成功率。50D | 4 | 90那么我该如何处理这个
浏览 8提问于2019-08-06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<
浏览 4提问于2015-01-14得票数 2
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
2回答
我拥有的数据集是由路径名组成的一些文本数据。我正在使用TF-国防军向量器和决策树。数据集中的类严重不平衡。有几个大类的样本数超过500个，而其他一些小类的样本数少于100个。有些甚至更小(不到20)。这是实际收集的数据，因此模型在实际实现中看到次要类的可能性也很小。我现在遇到的问题是，模型大部分时间预测小班为主修班，使我的准确率一直在45%左右。如果我重新整理数据，我认为由于模型<
浏览 0提问于2021-07-14得票数 0
我想使用Vowpal Wabbit执行Logistic回归。如何处理不平衡的类(例如1000/50000)？我知道我可以使用重要性加权，但我不确定在这种情况下这是最好的选择。也有一些算法，比如SMOTE，但我不知道如何在Vowpal Wabbit中使用它们。
浏览 1提问于2015-11-07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
