1回答
我知道，如果您执行某种转换，并且使用fit()，那么您必须同时转换()训练集和测试集。
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<e
浏览 0提问于2021-11-04得票数 1
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
我的训练数据具有极不平衡的类{0:8725，1:3335}，具有100个特征。然而，当我对测试数据实施该模型时，我得到的分数只有Roc_auc: 75.2%，pr_auc: 15%，log_loss: 0.046，以及混淆矩阵：[19300 7,103 14]。我需要帮助找到最好的方法来增加真阳性约60%的耐受性假阳性，直到实际阳性的3倍。
浏览 6提问于2021-02-27得票数 0
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
浏览 0提问于2021-07-14得票数 0
3回答
我已经有两个数据集了。一个用于训练，另一个用于测试。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。如果有必要的话，我最终会使用过度抽样。我的是一个tripAdvisor审查数据集，在这种情况下最好的技术</
浏览 0提问于2023-03-08得票数 2
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
我有一个文本数据集，在这里，我需要训练一个分类器来将标题分类。数据集形状超过575000。这里有256个目标类。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
浏览 0提问于2019-09-28得票数 2
3回答
在数据集上应用随机过采样的时间
、、、、
我翻阅了笔记本的乳腺癌- EDA，平衡和ML。在这个笔记本中，Random Oversampling已经实现。然而，当该人进行过度抽样时，他会在整个数据集上进行。我知道过采样只能应用于训练数据集。在我的例子中，在将数据分割成训练和测试集之后，我对训练数据进行了过度采样。精确性，以及我所得到的回忆都不如Kaggle笔记本好。avg 0.80 0.79
浏览 0提问于2022-09-05得票数 4
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
浏览 2提问于2018-03-27得票数 2
回答已采纳
但是我的数据是不平衡的。我有2个特征列和1个输出列(1/0)。我有10000的数据。在输出1中只有20个结果中，所有其他结果都是0。然后我将数据大小扩展到40000。由于数据是不平衡的(0支配1)，哪个神经网络更适合进行正确的预测？
浏览 0提问于2018-11-01得票数 0
1回答
我需要一些建议来提高我的模型的准确性。📷此数据集高度不平衡。0 159730 我试过抽样了。y_train)0 159730
最后，我使用XGBClassifier对模型进行了拟合，但是当在测试数据<
浏览 0提问于2019-04-21得票数 1
1回答
我有一个不平衡的训练数据，我将使用它来训练SVM分类器。我已经尝试了几种处理不平衡数据的技术，例如对成本敏感的学习和采样技术。对于采样技术，我需要找到向上采样和向下采样的方法，而不是随机方法。可用于上采样和下采样的技术有哪些？我使用weka
浏览 3提问于2014-12-10得票数 0
3回答
对不平衡集进行分类预测分析的方法之一是对多数类进行欠采样(其他方法包括:对多数类进行欠采样，合成新的少数类.)。
下面假设我们使用这些解决方案中的任何一个，然后用新生成的数据集来训练算法。这个经过训练的算法是否有助于预测来自这个系统的进一步数据，而这个系统通常是不平衡的？或者说，为了使
浏览 0提问于2016-09-01得票数 6
3回答
我有一个大小为(302, 100, 5)的数据集，(95,100,5)属于class 1.我想使用LSTM执行分类(从，序列数据)
由于这些类没有相同的分布集，我如何分割用于培训的数据集？在训练前有什么更好的分割方法，这样我就能在减少损失、准确预测、预测等方面取得更好的效果。For reference，正如您在上面看到<
浏览 0提问于2019-07-22得票数 0
回答已采纳
1回答
我正在训练三个班级，其中一个占主导地位的班级约占80%，其他两个班级甚至。我能够使用欠采样/过采样技术来训练模型，以获得67%的验证准确率，这对于我的目的来说已经相当不错了。问题是这种性能只存在于平衡的验证数据上，一旦我用不平衡的数据对样本外进行测试，它似乎就偏向于甚至类预测。我也尝试过使用加权损失函数，但在样本之外也没有什么乐趣。有没有好的</
浏览 6提问于2019-07-10得票数 0
1回答
在流行病学数据集的问题中，是否需要保留具有几乎恒定值的特性？例如，在这个特性中，type_of_residence大的占97 %，小的占2.7 %。保留这个功能可以吗？我的目标变量是病人的结果，而这个数据集是不平衡的。就像类不平衡问题中的过采样和欠采样技术一样，ML中是否存在
浏览 0提问于2021-01-05得票数 0
回答已采纳
我尝试使用这种技术来纠正非常不平衡的类。我的数据集有类，例如：data['CON_CHURN_TOTAL'].value_counts()
0 100Name: CON_CHURN_TOTAL当然，在完整的代码中，80:20的比率将根据行数计算。当我试图：smt = SMOTETom
浏览 2提问于2018-09-25得票数 5
回答已采纳
1回答
对于多类分类，我有不平衡的数据集，我尝试在XGboost中使用类权重选项，而分类器仍然倾向于支持大多数类。我不确定我是否需要调整其他的东西，或者我应该如何处理这个问题。如果阿尔戈预测的地方到处都是，我仍然能理解，但不确定为什么它仍然偏向于多数阶级。有什么指示吗？
更新:我的意思是大部分的预测仍然是针对主修班的，在测试和训练中，这个比例大约是30%。
浏览 0提问于2019-03-11得票数 2
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
