在保持某些分类变量的相同比例的情况下的R样本
是指在进行数据采样时，保持不同分类变量的比例相同的一种采样方法。这种采样方法可以用于解决数据不平衡的问题，确保样本中不同分类变量的比例与总体数据中的比例相似。
在R语言中，可以使用一些包来实现在保持某些分类变量的相同比例的情况下的R样本采样，例如"caret"包和"rsample"包。
具体步骤如下：
- 导入所需的包：使用
library(caret)和library(rsample)命令导入"caret"和"rsample"包。 - 加载数据：使用
data()命令加载需要进行采样的数据集。 - 创建采样方案：使用
strata()函数创建一个包含分类变量的采样方案，并指定需要保持相同比例的分类变量。 - 进行采样：使用
initial_split()函数将数据集划分为训练集和测试集，并使用stratified()函数指定采样方案。 - 查看采样结果：使用
summary()函数查看采样后的分类变量比例。
下面是一个示例代码：
# 导入所需的包
library(caret)
library(rsample)
# 加载数据
data(iris)
# 创建采样方案
sampling_scheme <- strata(iris$Species)
# 进行采样
split <- initial_split(iris, prop = 0.7, strata = sampling_scheme)
# 查看采样结果
summary(split)在这个示例中，我们使用了经典的鸢尾花数据集"iris"。通过创建一个采样方案，我们指定了需要保持相同比例的分类变量"Species"。然后使用initial_split()函数将数据集划分为训练集和测试集，并使用stratified()函数指定采样方案。最后使用summary()函数查看采样后的分类变量比例。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云官网：https://cloud.tencent.com/
- 云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
- 人工智能平台（AI Lab）：https://cloud.tencent.com/product/ai
- 物联网开发平台（IoT Explorer）：https://cloud.tencent.com/product/iotexplorer
- 移动应用托管服务（Serverless Cloud Function）：https://cloud.tencent.com/product/scf
- 云存储（COS）：https://cloud.tencent.com/product/cos
- 区块链服务（Tencent Blockchain）：https://cloud.tencent.com/product/tencentblockchain
- 腾讯云元宇宙解决方案：https://cloud.tencent.com/solution/metaverse
相关·内容
我有一个分类(LDA分类器)的问题。
我有80个训练数据样本(80x100)和15个测试数据样本(15x100)。分类函数返回：The covariance matrix of each group in TRAINING must be positive definite。
浏览 0提问于2018-02-26得票数 0
1回答
当处理不平衡的阶级，哪个更好，
过抽样/过抽样的类别或
从训练数据集中随机选取相同数目的正样本和负样本，结合训练样本，将不平衡分类问题转化为多个平衡数据分类问题。
他们中的一个比另一个有优势吗？如果是，是哪一个？我要求的是一个广义的观点。如果您有一个不平衡的数据集，您会选择哪个选项，1还是2？
浏览 0提问于2018-07-20得票数 0
回答已采纳
如果我要比较两个不同数据集上的分类模型的性能，那么每个类的样本数、类的数量和每个样本的特性是否应该是数据集之间的相对相同的呢？
如果您需要更多的信息，请告诉我。
浏览 0提问于2022-12-30得票数 1
回答已采纳
1回答
我正在处理一个多类别的分类问题，大约有30个类别。
这个问题有一个严重的阶级不平衡：
最不常见类的大约300个例子。
对于最常见的类，大约有100 k个例子。
对于大多数示例，我不希望分类模型是虚拟的，并预测最常见的类，因此，我在我的LogisticRegression中使用了sklearn的D7。但是，在这种情况下，算法预测的类大多是频率较低的类。我理解这个模型在某种程度上适合他们，因为它为这些类的每一个样本分配了一个非常高的重量。
另一方面，如果我不应用类的权重，模型就会预测最常见的类别。
有办法解决这个问题吗？是否有办法确保模型预测每个类别的样本比例大致相同？
浏览 0提问于2021-05-04得票数 2
回答已采纳
假设我有一个用于监督机器学习任务的数据集X和标签Y。
假设X有10个特征和1,000个样本，我认为使用sklearn.preprocessing.scale缩放我的数据是合适的。执行此操作后，我训练我的模型。
我现在希望将其用于新数据的模型，因此我收集了X的10个特征的新样本，并希望使用我训练的模型对此样本进行分类。
在尝试分类之前，有没有一种简单的方法可以将在训练模型之前在X上执行的相同缩放应用到这个新样本？
如果不是，唯一的解决方案是在缩放之前保留X的副本，并将我的新样本添加到此数据中，然后缩放此数据集，并在通过此过程缩放后尝试对新样本进行分类吗？
浏览 4提问于2018-08-12得票数 3
1回答
我正在研究一个分类问题。数据集维度为187,643 x 203。第一列包含没有NA的类标签。数据集的其余部分是频率数据，可以是0到1之间的任何数据。
|class|groupA|groupB|groupC|
----------------------------
|0 | NA | 0.45 |0.001 |
----------------------------
|1 |0.001 |0.0008|0.001 |
数据集包含大量NAs。柱中NAs的最小数和最大值分别为24%和90%。
为了处理NAs，我正在考虑为NAs计数定义一个截断(假设为30%)，将列中的NAs计数大
浏览 0提问于2021-08-24得票数 1
1回答
对OpenCV非常陌生，我试着训练一个haar分类器，它可以从侧面检测狗的图像。我使用了教程作为指南。作者建议，一个相对有效的分类器可以通过使用数量惊人的样本图像来训练。按照他的指示，我收集了40个阳性和600个阴性，然后使用提供的脚本以.vec文件的形式生成更多的示例。训练大约需要一周，半个到20个阶段，参数如下：
<?xml version="1.0"?>
<opencv_storage>
<params>
<stageType>BOOST</stageType>
<featureType>HA
浏览 2提问于2015-07-25得票数 4
我和我的导师就这个问题进行了一些辩论，我想听听你对这个问题的看法。
我有一个相当大的数据集，我用它来构建分类器。我有一个独立于训练集的较小的测试数据集(实际上，您可以说这两个集中的每个样本都是独立获得的)。每个样本都有一个类标签，以及收集日期和位置等元数据。
测试集中没有与训练集中的任何样本具有相同元数据的样本(因为每个样本都是在不同的位置或时间收集的)。然而，特征向量本身可能与训练集中的一些样本相同。例如，可能有两种病毒株分别在非洲和加拿大采样，但它们都具有相同的蛋白质序列(特征载体)。
我的顾问认为我应该从测试集中删除这些样本。他的推理是，当涉及到测试时，这些就像是“赠品”，可能会人为地提
浏览 2提问于2013-12-05得票数 4
1回答
我有30,000个按情感分类的短语。
我要用天真的贝斯。
这是比例(情绪，->，短语的数量)。
anger 98
boredom 157
empty 659
enthusiasm 522
fun 1088
happiness 2986
hate 1187
love 2068
neutral 6340
relief 1021
sadness 4828
surprise 1613
worry 7433
因此
浏览 2提问于2017-12-09得票数 0
回答已采纳
我有200个样本，每个样本都有60个特征。我使用PCA来找出主成分。我使用了神经网络，也尝试了k近邻，但是分类效果并不好。我不介意拿出一些样本，但我如何区分哪些样本破坏了我的分类结果？我知道我可以逐一尝试，但这是非常无效的。请帮帮忙
浏览 0提问于2012-07-13得票数 0
回答已采纳
1回答
强迫类不平衡反映目标数据
、、、、
我试图对一些数据进行二进制分类，我的源数据的类分割为40% A/ 60% B，而我的目标数据为70% A/ 30% B。
这是一个有价值的策略，使用打击过样本A，这样，我正在培训的类分裂，反映了我试图分类的数据？我唯一关心的指标是准确性。
浏览 0提问于2019-04-29得票数 0
5回答
我有一个数据集，有4519个样本标记为"1"，18921个样本标记为"0“，在二进制分类练习中。我很清楚，在分类算法的训练阶段(在这种情况下，是随机森林)，应该平衡0/1样本的数量，以防止算法偏向大多数类。
但是，测试数据集是否也应该是平衡的？
换句话说，如果用"0“类的1000个随机样本和"1”类的1000个随机样本来训练我的模型，我应该用剩下的3519个"1“类样本来测试这个模型吗？
不平衡的测试数据集对精确性、召回性和总体准确性指标有什么影响？
谢谢
浏览 0提问于2018-11-29得票数 8
回答已采纳
1回答
我正在寻找一种非常具体的抽样技术，它属于一个非常大的数据集，具有混合数据类型，即，我有分类变量和连续变量，并且希望有一个尽可能接近地表示这类数据的总体的样本。如果有人能帮我解决这件事，我会很感激的。谢谢!
浏览 0提问于2021-09-06得票数 1
回答已采纳
我继承了一些Fortran代码，我正在尝试理解这些代码。它在很多地方使用了实数变量，我认为这是不应该的--但也许我误解了Fortran中它是如何工作的(与我更熟悉的C++相比)，因此出现了这个问题。
因此，所讨论的变量本质上是“分类值”、“因素”或“枚举”，这取决于您如何看待它/想如何调用它。它们的数据类型是REAL，并且只能接受有限数量的预定整数值。假设变量a只能是值1、2或3。这些值是从外部文件中读取的；在这些外部文件中，它们被表示为整数，所以这不是“外部数据源中的舍入问题”之类的情况。
然而，在代码中，它从不进行直接比较，总是进行大于/低于检查。所以，与其这样做
if (a == 1)
浏览 0提问于2018-06-05得票数 0
问题:如果您使用PySpark的sampleBy实现比例分层抽样，这不是与随机抽样相同吗？
编辑:有比例和不成比例的分层抽样。这个问题是关于前者的。
以下是我对此的思考：
假设在一个人口总数中有4个组，N= 1000。这些群体的比例如下：
A: 25%，B: 50%，C: 13%，D: 12%
然后，选择大小为100的比例分层样本意味着选择一个样本，该样本由A中的确切25种元素、B中的50种元素、C中的13种元素和D中的12种元素组成(注意:如果你的抽样比率与人群的采样比率不同，那么一个不成比例的分层样本就是。)
这与随机抽样不同，其中A、B、C和D的期望元素数分别为25、50、13和12。
浏览 7提问于2021-10-08得票数 1
回答已采纳
2回答
多类分类规则的含义
Example: I have two classification rules (Refund is a predictor and Cheat is a binary response):
(Refund, No) → (Cheat, No) Support = 0.4, Confidence = 0.57
(Refund, No) → (Cheat, Yes) Support = 0.3, Confidence = 0.43
=>多类分类规则：
(Refund, No) → (Cheat, No) v (Cheat, Yes)
当对测试数据进行预测分类时，(欺骗
浏览 0提问于2014-11-08得票数 7
我几乎读过大多数类似的问题，但我还没有找到我的问题的答案。
假设我们有四个不同标签/类的n样本，即A、B、C和D。我们训练了两个分类器：
First classifier：我们训练多类分类器，将数据中的样本分类为四类中的一种。假设模型的精度是%x。
Second classifier：现在，假设我们所关心的是，如果一个样本是A或者不是A，那么我们会训练一个二进制分类器，用于将样本分类为A或非A。假设这个模型的精度是%y。
我的问题是，我们是否可以比较x和y来衡量分类器在分类A上的性能？换句话说，多类分类器的高性能是否意味着该分类器也能够识别具有高性能的单个类？
现实世界的例子是，我在一个包含四
浏览 0提问于2020-07-31得票数 2
回答已采纳
2回答
我有一只熊猫DataFrame，看上去大致如下：
cli_id | X1 | X2 | X3 | ... | Xn | Y |
----------------------------------------
123 | 1 | A | XX | ... | 4 | 0.1 |
456 | 2 | B | XY | ... | 5 | 0.2 |
789 | 1 | B | XY | ... | 5 | 0.3 |
101 | 2 | A | XX | ... | 4 | 0.1 |
...
我有客户id，很少有分类属性，Y是一个事件的概率，
浏览 3提问于2016-12-08得票数 15
回答已采纳
1回答
在生成简单的分类树时，我希望每个样本都有不同的权重。我知道您可以在拟合树时指定样本权重的向量。
然而，我想知道杂质函数与权重的数学关系是什么。在数学公式文档中，我看不到权重在各种杂质度量中的位置：
浏览 2提问于2014-08-09得票数 0
2回答
我正在为240 K样本和1880个类的数据集设计一个多类分类器，其中最密集的类是4%的数据集，而大量的类不到样本的1%。
我试图找到一种方法来决定我对哪个类有足够的信息来正确地预测，或者因为分类器的性能而拒绝该预测。
此外，有什么好的方法来处理这种情况的高多类和非常低的样本量？
浏览 0提问于2018-07-03得票数 0
回答已采纳
1回答
我试图计算皮尔逊卡方检验所观察到的计数的比例。
我有一个数据框架，它有一列类别("x")和一列频率("freq")，我要除以样本总数来得到一个比例。
但是，当我这样做时，我得到了一系列的值，这些值的顺序与类别顺序不同(类别没有出现在输出中)，因为它们应该基于dataframe。
在计算比例时，我想知道是否有一个参数可以添加到命令中，这将给我一个输出，其中每个比例值都放在正确的类别下(类别出现在输出中)。
谢谢
编辑以进一步澄清我的问题，这是我用来从我的数据中获取观察计数的代码(本质上是来自类别的样本的频率)。observed <- count(catego
浏览 6提问于2022-06-01得票数 0
回答已采纳
1回答
我正在设计一个二进制分类器，并想知道如何最好地量化最终模型分类中的不确定性。设计过程包括先对模型进行训练，然后进行ROC分析，最后选择一个阈值，使虚警概率为0.01。因此，当一个未知样本被传递到这个分类器中时，它输出一个介于0到1之间的数字，如果这个数字高于阈值，则将该样本分类为1类(C1)，如果该数目低于该阈值，则将其分类为C0。
我的问题是如何设计一个信心评分围绕最终的分类。假设我的门槛是0.9。因此，如果模型输出的分数为0.91，那么我的样本被分类为C1，但是如果输出分数为0.89，则样本被分类为C0。直观地说，给出这些分数中的每一个，我对标签的信心应该低于模型输出分别为0.99或0.0
浏览 0提问于2021-03-11得票数 1
2回答
我试图使用R中的mRMRe包对基因表达数据集进行特征选择。
我的目标变量是一个分类变量，即每个样本都关联到一个类，该类用作目标变量。
但是，通过使用mRMRe包，尝试加载数据时会出现以下错误：
data <- mRMR.data(data = data)
Error in .local(.Object, ...): data columns must be either of numeric, ordered factor or Surv type
Traceback:
1. mRMR.data(data = data)
2. new("mRMRe.Data", ..
浏览 5提问于2016-06-30得票数 3
回答已采纳
1回答
交叉乘法求取样本比例
、、、
我有一个更大的数据集，下面是该数据的子集。范畴是因变量，Day_1和Day_2是自变量。
ID <- c("e-1", "e-2", "e-3", "e-8", "e-9", "e-10", "e-13", "e-16", "e-17", "e-20")
Day_1 <- c(0.58, 0.62, 0.78, 0.18, 0.98, 0.64, 0.32, 0.54, 0.94, 0.87)
Day_2 <- c(0
浏览 13提问于2022-08-22得票数 1
回答已采纳
1回答
我是数据科学的新手。我有一个“短文本”分类问题，输入变量要么是非结构化文本(名称、定义、描述等)，要么是分类。这些字段没有太多的语义，因为它们是产品名称、区域名称、销售订单类型等。问题是，我没有任何样本数据集，可以从中获得培训、测试、验证集，或者将其划分为k倍进行交叉验证。那么我应该如何生成样本数据呢？我有大约20个目标班。我可以使用regex或lucene规则对某些数据集进行分类，并手动验证它们，并确保每个类都有相同数量的样本。但我愿意接受其他建议。
浏览 0提问于2016-07-16得票数 2
回答已采纳
2回答
准确预测出样本变坏了！太适合了？
、、、、
我有一个包含大约3000个观测结果的data.set。每一个观察都属于这五种类型中的一种(这些都是预先定义的)。
我正在使用randomForest和gbm从h2o包进行分类。在运行算法之前，我使用hyperparameters优化每个算法的h2o.grid。
对于模型验证，我将查看两种算法的confussion matrix，包括in-sample和out-of-sample。
问题是，在样本中，算法对所有5个类别的性能都比较好，但在样本之外，它们只对一个类别执行得很好。我想这很常见。
我有两个解释:这五个类别不相等，这意味着对于几个类别，我有一些观察。第二，算法过于适合。
“100万美元的
浏览 0提问于2017-05-19得票数 -1
1回答
我有一个将近10000行和10列的大型数据集。我想使用rpart包对此数据集进行分类。但每列都有许多(超过50个)类。所以R就挂起来了。
我有哪些选项来限制数据的范围或减少每列中的类数？
浏览 2提问于2016-03-22得票数 0
1回答
我有一项与银行客户流失有关的二进制分类任务。数据集包含10,000个实例和11个特性。目标变量不平衡(80%保持为客户(0)，20%被搅动(1))。
我的方法如下:我首先将数据集分成训练集和测试集，同时在这两个集合中保持目标变量的80-20比。我在训练集中保留了8,000个实例，在测试集中保存了2,000个实例。经过预处理后，我解决了SMOTEENN训练集中的类不平衡问题：
from imblearn.combine import SMOTEENN
smt = SMOTEENN(random_state=random_state)
X_train, y_train = smt.fit_sam
浏览 0提问于2021-11-21得票数 1
回答已采纳
1回答
目前，我有一个平衡的数据集(我人为地过采样以使其平衡)。我的类是二进制(0或1)。我想知道，在数据集具有大致相等的类平衡的情况下，“准确性”是否是使用的“最佳”度量？
然而，更广泛地说，是否有一个好的“经验法则”或“最佳实践”来衡量哪个评分标准(准确性、精确性、回忆性、AUC、.)基于数据集的类标签“分发”使用。
我能想到的常见情况是：
二进制分类
0级高度不平衡
1级高度不平衡
大致相等的类数量
最后，想象一下两者的比率为75/25
多类分类
大多数样本都是一个类别(在我的经验中很常见)。
类的数量大致相同。
许多类标签，每个样本很少(设想1000个样本，100个类别，每个样本从2到20个不
浏览 0提问于2018-01-19得票数 1
我有一个有20万条条目的数据集。目标变量是二进制变量，只有4000个实例属于感兴趣的类。
我想对大多数类进行欠采样，以便我们有一个包含8,000条条目的数据集，在这两个类之间划分为50-50项。然后，我会对80%样本不足的数据进行培训，并对其余20%的样本数据进行测试。
我的问题是:结果模型在新的、不平衡的数据上也会表现良好吗？如果答案是“是的，但是……”，请你告诉我我需要做些什么，以确保情况确实如此？
浏览 0提问于2022-02-22得票数 1
与AdaBoostClassifier一起使用的决策树分类器存根对应的值属性的值不符合预期，因此我无法确定这些值所指示的是什么。我想了解帮助分析存根估计器的行为以及存根对AdaBoostClassifier的贡献的值。类似的堆栈溢出问题与我的数据无关。
版本信息
python: 3.6.5
滑雪版: 0.20.2
DecisionTreeClassifier存根配置为：
number_estimators = 301
bdt= AdaBoostClassifier(DecisionTreeClassifier(max_depth=1),
algorithm="SAMM
浏览 0提问于2019-01-10得票数 3
回答已采纳
3回答
假设我们有一个数据集，其中一些样本具有保存值，但目标不同。它可以是一个回归问题或分类。我们该拿他们怎么办？我们是否应该删除这些数据，或者说这是正常的，我们可以让这些数据在培训集中呢？
浏览 0提问于2022-06-27得票数 4
回答已采纳
由于我在机器学习编程方面的知识有限(使用Matlab)，我无法找到解决这个问题的方法……我想我的问题会考验大多数读者的耐心！
我正在尝试使用Matlab中熟知的比利时数据集来识别交通标志。这个数据集包含大约4000个正窗口和3000+负图像，我们可以从中裁剪负窗口来训练分类器。我使用的是adaboost分类器，每个阶段的弱学习者都是。我正在遵循的步骤是：
1-在第一阶段使用所有正片和20,000个随机裁剪的负片窗口训练分类器，
2-在负片图像上使用上一阶段训练过的分类器来挖掘硬负片。当对20,000张硬底片进行采样时，在previous+1阶段训练分类器并移动到下一阶段，
3-转到步骤2
我遇
浏览 3提问于2014-09-01得票数 0
1回答
你能帮我利用SIFT特征进行图像分类吗？
我想根据SIFT特性对图像进行分类：
给出一组训练图像，从中提取SIFT。
计算K-指从训练集中提取的整组筛。"K“参数(集群的数量)取决于用于培训的筛选器的数量，但通常是500->8000 (越高越好)。
现在你得到了K团簇中心。
您可以通过将图像的每个SIFT分配给K类中的一个来计算图像的描述符。这样就可以得到长度为K的直方图。
我在训练集中有130幅图像，所以我的训练集是130*K维
我想分类我的测试图像，ı有1个图像，所以我的样本是1*k维。我写了这个代码针织(样本，训练集，小组)。
我想分类为7组
浏览 1提问于2014-11-10得票数 2
1回答
文字注释过程，质量与数量？
、、、、
我有一个关于注释文本数据以便分类的问题。
假设我们有十名志愿者，他们将要在标签A或B中标注大量文本，他们可能没有时间检查所有的文本样本，但至少有相当一部分。
我们应该集中精力为每个注解器生成新的样本吗？(他们从未看到与任何其他注解器相同的文本样本)(数量方法)。
或者所有注解者都应该看到相同的样本，并考虑注解者协议？(质量办法)。
思想，
会产生比2更多的独特样本(为分类器提供更多的训练样本)--并希望在特征提取部分，有用的特征将自行出现。
会产生不那么独特的样本，但要考虑到注解者的协议。(分类器的训练样本较少，但质量较高)
浏览 0提问于2017-10-30得票数 2
回答已采纳
3回答
我想知道如何将以下等号除法
Target
0 1586
1 318
为了使数据集中的0和1类所占的比例相同，如果我的数据集被称为df，并且包含10列，包括数值列和分类列。
我会考虑以下几点
y=df['Target']
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.1, stratify=y)
所以，做一个分层，但我不知道这是否正确，我希望你能确认它或提供一个替代的做法。
数据样本
Fin Eco Target
High percentag
浏览 0提问于2020-10-11得票数 9
回答已采纳
1回答
我试图在插入符号包中使用train() fx对60个变量和大约2万条观测数据建立一个分类模型。我使用随机森林方法，在我的训练集上返回0.999的精度，但是当我使用该模型预测时，它将每个测试观测分类为同一个类别(即20个观测中的每一个被归类为5个可能的结果中的"1's“)。我确信这是错误的(测试集是用于Coursera，因此我没有发布确切的代码)，但我不知道发生了什么。
我的问题是，当我调用fit的最终模型(fit$finalModel)时，它说它创造了500个总树(默认和预期)，然而，在每次分割时尝试的变量数是35个。我知道将分类，为每个分割选择的标准观察数是总预测器数量的平方
浏览 3提问于2017-09-29得票数 0
2回答
关于储层取样的问题
、、、
我有一个关于储层取样的一般性问题。当我使用这种方法为训练机器学习分类算法抽取一个非常大的数据集时，我想知道如何使我的管道对样本间类分布的波动具有鲁棒性。
例如，假设我正在处理一个二进制分类问题。我想要抽样一个相对较小的数据子集来评估我的算法，所以我使用了储层取样。然而，在我看来(认为我可能是错的)，我可能会偶然地画一个样本，其中的类分布与大量数据中的分布有很大的不同。如果这是正确的推论，有人能告诉我如何补救吗？如果油藏取样不是答案，那么在这种情况下(除了使用分布式环境)，还有什么其他的程序可以利用呢？
我正在学习，所以请给我一些解释、提示和指导。
浏览 0提问于2015-09-11得票数 3
现在我使用Keras来实现一个多标签分类模型。具体来说，我想分类谁在一个音频剪辑(最多8人)。数据的标签有8位，例如0，1，0，0，1，1.这意味着所有的数据应该有2^8=256组合。现在我只收集了一部分数据(3700个样本，但只有20个标签)用于模型培训。虽然该模型在has数据方面具有良好的性能，但对于带有未见标签的数据(与其他236种标签的数据)来说，性能较差。我想知道怎样才能提高模型的性能？或者我要用不同标签的数据来训练这个模型？我认为这将导致数据收集工作量的组合爆炸。
浏览 0提问于2021-06-16得票数 0
回答已采纳
2回答
为什么频率编码工作？
、、、
频率编码是Kaggle竞赛中广泛使用的一种技术，多次证明是一种非常合理的处理基数高的分类特征的方法。我真的不明白为什么会起作用。
它是在非常具体的情况下工作的频率是相关的目标，还是它更普遍？这背后的理由是什么？
浏览 0提问于2019-11-25得票数 15
2回答
我正在做文本分类，我有一组200.000条推文。
这个想法是手动标记一组短的推文，并训练分类器来预测其余的标签。监督学习。
我想知道的是，是否有一种方法可以选择要包括在训练集中的样本，使该训练集能够很好地代表整个数据集，并且由于训练集中包含的高度多样性，经过训练的分类器具有相当大的可信度，可以应用于其余的推文。
浏览 0提问于2019-05-12得票数 2
我想知道所需的样品尺寸。在R中
library(pwr)
pwr.2p.test(h = ES.h(0.022,0.001),sig.level = 0.05,power = 0.8,alternative = "greater")
给出结果
Difference of proportion power calculation for binomial distribution (arcsine transformation)
h = 0.2344905
n = 224.8784
sig.leve
浏览 3提问于2021-06-17得票数 2
回答已采纳
3回答
我正试图建立一个二元分类模型，它将告诉谁将购买该产品，而谁不购买。我听说，在准备输入数据时，将数据集分成两个不同的子集是一种常见的方法。
================训练数据80% =================
它是否只是盲目地将数据集的一部分分割成一定的比例，如上面所示？有那么简单吗？
假设我下面有一个简单的数据集。
UserId,UserName,AppId,Purchased
1,Lianne,1,1
1,Lianne,2,1
1,Lianne,3,1
1,Lianne,4,1
1,Lianne,5,1
1,Lianne,6,0
1,Lianne,7,0
1,Lianne,8,
浏览 0提问于2019-01-18得票数 2
1回答
我有一个包含20个类的数据集，它的分布非常不均匀。R中有没有什么功能可以让我们平衡数据集(也许是加权的)？
我想使用Weka的平衡数据进行分类。由于我的类分布是不对称的，如果没有单一的多数类，我希望能得到更好的结果。
我尝试过使用SMOTE过滤器和重采样过滤器，但它们都不能完全满足我的要求。我不想删除任何实例，重复就可以了。
浏览 0提问于2011-07-27得票数 1
回答已采纳
1回答
我有一个数据集，其中包含癌症的Yes No值。下面是数据集的示例 set.seed(42)
cancer <- sample(c("yes", "no"), 200, replace=TRUE)
agegroup <- sample(c("35-39", "40-44", "45-49"), 200, replace=TRUE)
agefirstchild <- sample(c("Age < 30", "Age 30 or greater",
浏览 21提问于2020-04-28得票数 0
回答已采纳
1回答
S.O.社区-寻找机器学习问题的解决方案，如果有人能提供帮助，我们将不胜感激： 我希望能够应用机器学习算法，根据每个实例的“组”中的其他实例分配一个分类。该模型学习导致分类为“1”的特征，其中该组中的特征最强，而其他特征为“0”(或者更理想的是，在组内的softmax概率输出加起来为1)。 实例可能像其他组中的其他实例一样具有不必要的功能，但它们在组中是更强的指示器 也就是说，对于如下所示的数据，我如何让模型一般地了解哪些特征导致'1‘分类，而只根据组中其他实例的其他特征来确定标签 训练集 feat1 feat2 feat3 feat4 group label
0 1
浏览 7提问于2020-01-30得票数 0
我感兴趣的是检查样本A (n=25)是否均匀分布。下面是我在Python中检查的方法：
import scipy.stats as ss
A=[9,9,9,4,9,6,7,8,9,4,5,2,4,9,6,7,3,4,2,4,5,6,8,9,9]
ss.kstest(A,'uniform', args=(min(A),max(A)), N=25)
它返回：(0.22222222222222221，0.14499771178796239)，即p值为~0.15时，检验不能拒绝样本A来自均匀分布。
现在这就是我如何在R中计算相同的：
A=c(9,9,9,4,9,6,7,8,9,4,5,
浏览 5提问于2016-10-28得票数 2
2回答
在样本外数据集上使用词袋分类器
、、、、
我最近使用词袋分类器制作了一个包含96%术语的文档矩阵。然后，我使用决策树对输入的词袋进行模型训练，以做出句子是否重要的预测。该模型在测试数据集上表现得非常好，但当我使用样本外的数据集时，它无法预测。相反，它会给出错误。
这是我在R中制作的模型
library('caTools')
library('tm')
library('rpart')
library(rpart.plot)
library(ROCR)
data= read.csv('comments.csv', stringsAsFactors = FALSE)
cor
浏览 4提问于2014-10-09得票数 4
在SciKit学习随机森林分类器的文献中，指出：
子样本大小总是与原始输入样本大小相同，但是如果是bootstrap=True (默认)，则用替换的方式绘制样本。
我不明白的是，如果样本的大小总是和输入的样本大小相同，我们怎么能谈论随机选择。这里没有选择，因为我们在每次培训中都使用所有的样本(当然也是相同的)。
我是不是漏掉了什么？
浏览 4提问于2016-03-06得票数 6
回答已采纳
我整晚都在与android性能作斗争，可能解决了我一直在处理的问题，但我仍然非常困惑，需要一些帮助。考虑这两个样本之间的时序差异。
第一个示例加载到可绘制的位图中，并创建位图的可变副本
Bitmap cacheBitmap;
Canvas cacheCanvas;
protected void onSizeChanged(int w, int h, int oldw, int oldh) {
if (cacheBitmap != null) {
cacheBitmap.recycle();
}
Resources res = getContext().g
浏览 1提问于2011-08-09得票数 10
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
