从真实数据中生成合成数据（用于回归问题）

Posted 2023-03-12

【中文标题】从真实数据中生成合成数据（用于回归问题）

【英文标题】：Generating synthetic data out of real data (For Regression Problem)

【发布时间】：2020-09-19 17:07:01

【问题描述】：

我的数据集看起来像图片中提供的信息。这是一个回归问题，我必须预测“LOS”（最后一列）。我的数据集由大约 2000 个样本或行组成。我很想从真实数据中创建更多行（合成数据）来改进我的模型结果。

我发现它对分类任务很容易，但对回归案例有困难。

python 环境中的任何帮助都会非常有帮助。

提前致谢

【问题讨论】：

这可能有用，towardsdatascience.com/…...

我相信它的重点分类问题。

【参考方案1】：

你可以使用SMOGN

来自Documentation：

用于高斯噪声回归的合成少数过采样技术 (SMOGN) 的 Python 实现。使用传统插值法以及引入高斯噪声 (SMOTER-GN) 进行回归合成少数过采样技术 (SMOTER)。

但是在实现之前先看看here。

【讨论】：

绝对赞成过采样。我没有使用过这个库，但该技术是有效的。

它说合成少数过采样技术以及三种不同的场景。不幸的是，两种情况下对数据进行了下采样，在一种情况下对数据进行上采样对我不起作用。但是，它可能适用于不同的其他应用程序。我希望那里没有其他人。