聊聊机器学习中的非平衡数据集

本文探讨了处理非平衡数据集的多种方法,包括过采样、欠采样以及结合使用。介绍了SMOTE等合成技术,以及决策树算法的调整。还提到了BABoost算法对错分样本权重的优化,以及相关研究文献。
摘要由CSDN通过智能技术生成

640?wx_fmt=png

机器学习中处理非平衡数据集的方法有多种,本文中聊聊处理非平衡数据集的方法。

采样之后的效果依赖于正负样本的比例,数据的特征以及分类器的特性。针对样本比较少的类别,可以通过随机复制该类别的样本来扩充样本,但是这种做法容易发生过拟合。

针对样本数比较少的类别,还可以采用另外一种方法,比如Synthetic Minority Over-sampling Technique (SMOTE),这种方法即为人工生成样本,针对样本数比较少的类别,可以对其中的样本最近邻的k个样本组合起来生成新的样本。但是SMOTE不能处理名词性特征,此时可以利用SMOTE-NC (Synthetic Minority Over-sampling Technique Nominal Continuous) 或 SMOTE-N (Synthetic Minority Over-sampling Technique Nominal)可以解决这种问题。还可以只对分界线处的样本进行过采样,比如borderline-SMOTE1 和borderline-SMOTE2。

针对样本数比较多的类别,一般采取的采样方法为random majority under-sampling (RUS),即随机丢弃样本数比较多的类别中的部分样本。显然,此时很容易丢失掉一些重要信息。one-sided selection (OSS)这种方法可以丢弃比较冗余的样本或者噪声点。

当然,过采样和欠采样这两种方法可以同时使用

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值