如何在WEKA中设置参数以使用SMOTE过滤器平衡数据？

Question

我在WEKA中使用SMOTE过滤器来平衡数据 我对这两个参数nearestNeighbors和percentage有疑问。

nearestNeighbors - 要使用的最近邻居数 percentage - 要创建的SMOTE实例的百分比。

我应该如何设置它们？

我认为邻居的数量是它要创建的同步样本的数量 那么百分比的含义是什么？它应该小于或等于邻居的数量，对吧？是否考虑了合成样本的百分比？

例如：
如果我把10个邻居和200％会发生什么？ 谁能给我一些正确使用的例子？

Answer 1

nearestNeighbors参数表示使用多少个最近邻居实例（当前考虑的实例周围）来构建inbetween合成实例。默认值为5.因此，实际现有实例的5个最近邻居的属性用于计算新的合成实例。

percentage参数表示根据具有较少实例的类的数量创建了多少个合成实例（默认情况下，您也可以通过设置-C选项来使用多数类）。默认值为100.这意味着如果您的少数类中有25个实例，则再次从这些实例中创建25个实例（使用它们最近邻居的值）。创建了200％的50个合成实例，依此类推。

有关详细信息，请参阅weka doc of SMOTE和original paper of Chawla et al. 2002，其中深入介绍了整个方法。

对我而言，Weka SMOTE似乎只对实例进行过采样。因此，您可以使用受监督的SpreadSubsample过滤器，然后对少数群体类实例进行欠采样。

Answer 2

如果你有两个类，并希望每个类中的数字相等，则需要将大类中的样本数除以较小类中的样本数。取其中的小数部分并乘以100.这是你的P参数。