利用R语言的DMwR包处理样本不平衡

在R的DMwR包中提供了SMOTE函数用于不平衡的分类问题，其背后的原理是SMOTE算法。SMOTE函数产生一个新的数据集来解决分类不平衡的问题。
用法：

 SMOTE(form, data, perc.over = 200, k = 5, perc.under = 200, learner = NULL, ...)
 参数解释:
 form:描述预测问题的公式
 data:原始的不平衡的数据集
 k:用于产生新的少数派样本的最近邻数量(与kNN中的k类似)
 learner:可选参数，指定一个分类算法的函数名称（类型为字符串），这个函数将对结果进行分类
 **perc.over:指定从少数样本中采样的比例。**
 **perc.under:对多数样本下采样，有多少比例的样本被选入新的数据集中**

关于perc.over和perc.under的具体解释:
假设初始数据集中有N个少数样本和M个多数的样本，perc.over=a,perc.under=b。首先增加少数派样本的数量，平均每个样本增加a/100个新样本，一共新增了aN/100个全新的少数派样本，并把最初的少数派样本和新增的少数派样本都放入新的数据集中。然后对多数派的样本进行采样，采样数量为(b/100) * aN/100，得到新的多数派样本，将新的多数派样本放入到新的数据集中，这样新的数据集中，少数派样本有(1+a/100)N个,多数派样本有(b/100) * aN/100个
perc.over 不能为0

在R的help文档中符了一个案例：

## A small example with a data set created ar