weka 上的 smote 和欠采样的组合

Posted 2023-03-12

【中文标题】weka 上的 smote 和欠采样的组合

【英文标题】：combination of smote and undersampling on weka

【发布时间】：2015-03-12 23:01:18

【问题描述】：

根据 chawla 等人 (2002) 撰写的论文 平衡数据的最佳性能是将欠采样与 SMOTE 相结合。

我尝试使用欠采样和 SMOTE 组合我的数据集， 但我对欠采样的属性有点困惑。

在 weka 中有 Resample 来减少多数类。 Resample 中有一个属性 biasToUniformClass -- 是否对统一类使用偏差。值 0 保持类分布不变，值 1 确保类分布在输出数据中是均匀的。

我使用值 0，多数类的数据下降，所以少数类的数据下降，当我使用值 1 时，多数类的数据减少，但少数类的数据上升。

我尝试为该属性使用值 1，但我没有使用 smote 来增加少数类的实例，因为数据已经平衡，结果也很好。

那么，这与我将 SMOTE 和欠采样结合起来是否相同，或者我仍然必须尝试在该属性中使用值 0 并执行 SMOTE？

【参考方案1】：

对于欠采样，请参阅 EasyEnsemble 算法 (a Weka implementation was developed by Schubach, Robinson, and Valentini)。

EasyEnsemble 算法允许您将数据拆分为一定数量的平衡分区。要达到这种平衡，请将 numIterations 参数设置为：

(# of多数实例) / (#少数实例) = numIterations

例如，如果总共有 30 个实例，其中 20 个属于多数类，10 个属于少数类，则将 numIterations 参数设置为 2（即 20 个多数实例 / 10 个实例等于 2 个平衡分区）。这 2 个分区应各包含 20 个实例；每个都有相同的 10 个少数实例以及来自多数类的不同 10 个实例。

然后该算法在每个平衡分区上训练分类器， 在测试时，集成在每个平衡分区上训练的一批分类器进行预测。