数据集中是否应该有“正常”抽样数据？
数据集中是否应该有“正常”抽样数据？
提问于 2019-10-04 03:37:55
我正忙着做一个项目，找出为什么普通家庭的孩子在学校表现不好的原因。
我有一个数据集，由生活在中产阶级家庭环境中的孩子组成，他们可以使用必要的设施，孩子没有患上任何疾病，但在学校成绩不及格。
对于生活条件差的孩子来说，在学校遇到问题是可以理解的，但是对于那些在学校里有生活必需品的孩子来说，至少在学校里，他们需要更多的研究。
既然我有了这个数据集，那么在数据集中添加具有相同生活环境(在学校做得还不错)的孩子有意义吗？如果这有帮助的话，我计划使用SOM进行数据挖掘。
回答 1
Data Science用户
回答已采纳
发布于 2019-10-04 03:49:58
简而言之，是的。
如果你的目标是了解糟糕的学校表现背后的驱动因素(甚至是模型+预测学校表现)，你将需要数据集中的“正面”和“负面”结果。
当然，你需要注意的是，积极的结果和负面的结果是“相似的”，以避免在你的数据中引入扭曲--即确保你正在添加的数据来自中产阶级家庭，能够获得设施等等。
您还应该在最终数据集中考虑正负结果的比率，因为理想情况下，您希望避免不平衡的数据。但是，如果有必要，有一些技术和方法可以处理不平衡的数据。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/61252
复制相关文章
相似问题
腾讯云开发者
