我可以下载数据并执行多数类的欠采样，但我想知道如何使用BigQuery SQL直接执行此操作？ 换句话说，我希望选择目标列为1的所有样本，如果目标列为0，则忽略大量数据。样本数据集 id feat_1 feat_2 target2 x_2 y_4 1
3我能否以某种方式选择
浏览 30提问于2021-04-05得票数 0
1回答
我有一个不平衡的数据集。我在找样本以下的。尽管过采样过程花费的时间较少，模型的训练却需要很长的时间。我看了一下不平衡-学习网站。有几种欠采样方法。我正在寻找一种方法，它试图用尽可能多的完整信息对类进行欠采样。我尝试了.ClusterCentroids()方法，发现平衡类花费的时间太长了。
我尝
浏览 0提问于2019-04-19得票数 2
回答已采纳
3回答
这两个数据集都是不平衡的(百分比相似)，大约有90%的标签1。如果测试集是非常不平衡的，那么平衡数据会有用吗？标签0的实例(即10%)仍然足够。有没有使用过采样和过采样的混合技术？还是没什么意义？
浏览 0提问于2023-03-08得票数 2
2回答
我有一个不平衡的分类问题。然后，我使用R包ROSE同时对Dataset A中的多数类进行了欠采样，并对少数类进行了过采样。我已经在数据集C和计算训练AUC上训练了我的模型。现在我想使用k倍交叉验证来估计(即不使用Dataset B)测试AUC。我该怎
浏览 0提问于2018-04-04得票数 1
3回答
不平衡的数据:过采样还是过采样？
、、、、
我有一个二元分类问题，其中一个类别占所有观测值的99.1% (210 000)。作为处理不平衡数据的一种策略，我选择了抽样技术。但我不知道该怎么做:低估我的多数阶级，或过度抽样代表较少的阶层。附注：我使用滑雪板上的随机森林算法。
浏览 2提问于2017-05-29得票数 1
回答已采纳
我正在做二进制分类，我当前的目标类由:坏: 3126好:25038组成示例1：smoted_data <-
浏览 3提问于2016-04-15得票数 6
我正在一个极不平衡的数据集( 1:10 000的比例)上应用ScikitLearn的随机森林。我可以使用类_weigth=‘balanced’参数。我看过，这相当于抽样过少。然而，这种方法似乎适用于样本的权重，不改变实际的样本数。
由于随机森林的每一棵树都是建立在训练集的随机抽取子样本上的，所以恐怕每个子样本中少数类的<
浏览 4提问于2017-04-14得票数 3
回答已采纳
1回答
对于多类分类，我有不平衡的数据集，我尝试在XGboost中使用类权重选项，而分类器仍然倾向于支持大多数类。我不确定我是否需要调整其他的东西，或者我应该如何处理这个问题。如果阿尔戈预测的地方到处都是，我仍然能理解，但不确定为什么它仍然偏向于多数阶级。有什么指示吗？
更新:我的意思是大部分的预测仍然是针对主修班的，在测试和训练中，这个比例大约是30%。
浏览 0提问于2019-03-11得票数 2
我有3个数据集，每个数据集分成3个不同的类( 买入/持有/出售 )。我随机抽取每个数据集中每个类的频率到每个数据点10000个数据点。我为我提供了一个平衡每个数据集的函数，请注意，此时数据已经被缩放了。
浏览 0提问于2020-03-31得票数 3
1回答
我正在处理一个困难的数据集，因为这些类既高度不平衡，又非常不相关。该集合有96,000个值，其中少于200个值是1。我尝试了几种方法，每种方法的精确度和准确度都很高，但是只有少数(小于5)的值被归类为1。我想知道是否有一种方法可以迫使机器分类更多的1。如果我能在25%的时间内正确分类，这将是一个很好的结果。我尝试使用随机森林的'class weight‘参数，但这似乎对结果没有任何影响。90
avg &#
浏览 3提问于2018-11-18得票数 1
对于我的一个数据集，我有一个数据不平衡的问题，因为与多数类相比，少数类的样本很少。所以我想通过对大多数人的抽样来平衡数据。当我试图在3D数组上使用imblearn包中的RandomUnderSamples时，出现了一个错误train['X&
浏览 17提问于2022-11-01得票数 2
回答已采纳
1回答
我正在应用SMOTE (DMwR包)，因为我有一个类不平衡的问题。然而，我有三个类的结果，而不是两个。该函数正确地对少数类进行过采样，但我没有遵循多数/中间类的行为(即，所有类别都包含不同的样本大小)。train, perc.over = 400, perc.under=200)
table(train_resamp
浏览 0提问于2017-03-09得票数 6
我在使用WEKA中的SMOTE过滤器来平衡数据。nearestNeighbors --要使用的最近邻居的数目。百分比--创建单个实例的百分比。我认为邻居的数量是它将要创建的合成样本的数量。
那么百分比的含义是什么呢？它应该小于或者等于邻居的数量，对</em
浏览 6提问于2014-03-25得票数 3
回答已采纳
3回答
我有一个大约20000个训练样本的数据集，我想对其进行二进制分类。问题是数据集严重不平衡，只有大约1000个属于正类。我正在尝试使用xgboost (in R)来做我的预测。我尝试过过采样和欠采样，无论我做什么，不知何故，预测总是导致将所有东西归类为多数类。
我试着阅读了这篇关于如何在xgboost中调优参数的文章。但它只提到了
浏览 2提问于2016-12-05得票数 8
回答已采纳
在python学习中，有多种算法(例如回归、随机森林.等)具有处理不平衡数据的class_weight参数的。谢谢!
浏览 0提问于2016-12-07得票数 8
creating-the-twitter-sentiment-analysis-program-in-python-with-naive-bayes-classification-672e5589a7ed创建了一个twitter情绪分析器，它使用nltk库中的朴素贝叶斯分类器将tweet分类为正面、负面或中性，但它返回的标签仅是中性或无关的。我已经将我的代码包含在下面，因为我对任何机器学习都不是很有经验，所以我将非常感谢任何帮助。我尝试过使用不同的tweet集合来<em
浏览 25提问于2019-05-19得票数 0
回答已采纳
1回答
我曾多次尝试通过过采样和欠采样来平衡数据，尝试改进我的模型的性能，使用不同的分数、超参数调整等方法进行异常值检测的一类支持向量机( SVM )。outcome through AdaBoost upsampled data with real outcome📷
然后，我决定尝试从多数类中删除缺少数</em
浏览 0提问于2021-01-22得票数 4
回答已采纳
4回答
我有一个做二进制分类的模型。但我也不认为我应该平衡测试集，因为它可以被认为是偏见。更新:我有40万个样本，10%是1s，90%
浏览 0提问于2018-06-08得票数 20
回答已采纳
1回答
我有一个5000行的特征数据集，我想对其进行二进制分类。我有两个类向量：
Y2 -这些类非常不平衡(0 - 90%/1 - 10%)
我已经将数据集划分为一个训练集(4000个样本)和一个测试集然后，我编写了简单的代码来获得dataset X和类向量Y，并使用len = 2
浏览 5提问于2016-11-10得票数 4
1回答
我有一个977行的小数据集，类比例为77:23。我的输入变量本质上是绝对的。下面是我试过的。假设我们没有age和salary信息( b)分成火车和试验(用stratify = y)
浏览 0提问于2022-02-20得票数 6
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号