WEKA的重采样过滤器 - 如何解释结果

Question

我目前正在研究机器学习问题，而我必须处理非常不平衡的数据集。也就是说，有六个类（'1'，'2'......'6'）。不幸的是，例如对于类'1'150个示例/实例，对于'2'90个实例和对于类'3'仅20个。所有其他类都不能被“训练”，因为这些类没有可用的实例。

到目前为止，我发现WEKA（我正在使用的机器学习工具包）提供了这个受监督的“Resample”过滤器。当我使用'noReplacement'= false和'bialToUniformClass'= 1.0来应用此过滤器时，这将产生一个数据集，其中实例的数量很好并且几乎相等（对于类'1'，'3'和其他保持空虚）。

我现在的问题是：WEKA和这个过滤器如何为不同的类生成“新”/附加实例。

非常感谢您提供任何提示或建议。

干杯 儒略

Answer 1

使用WEKA的监督重采样过滤器将实例添加到类中。这通过简单地从类中添加实例来实现，该实例只有少量实例多次到结果数据集。

因此，结果数据集在一个只有少数样本可用的类中具有很强的偏差。

Answer 2

没有。它正在重新采样现有的实例。如果您有一个第2类实例，并要求重新采样偏差为1.0，则可以预期该实例的N个副本和已有数据的其他类型的N个其他实例。

Answer 3

尝试预处理中的SMOTE过滤器。

通过为次要类生成新数据来平衡数据集。