我只使用了Weka几个星期，但我对它有多棒感到非常震惊！
但我有一个问题，我有一个目标列的数据集，该列为True或False。
我的数据集中的6709个实例为True
25318个实例是假的。
我想随机添加我的True实例的重复项，以生成一个25318 True和25318 False的新数据集。
我能找到的唯一过滤器就是受监督的重采样过滤器，但是我无法理解应该使用哪些参数。
（可能有更好的过滤器来做我想要的事情）
我在这些参数方面取得了一些成功
biasToUniformClass = 1.0
invertSelection = False
noReplacement = False
randomSeed = 1
sampleSizePercent = 157.5 (a magic number I've arrived at by trial and error)
这会产生25277 True和25165 False。不完全是我想要的，但非常接近。
问题在于我无法弄清楚如何获得神奇数字。我也没有得到我真正想要的实例数量。
为此目的是否有更好的过滤器？ 如果没有，有没有办法计算sampleSizePercent幻数？
非常感谢任何帮助：）
补充问题，我最好在我的布尔列上运行NominalToBinary以确保它们是二进制的吗？我正在使用NaiveBayes分类器（目前），我没有任何遗漏的实例。
杰森
答案 0 :(得分：2)
我认为这个问题的棘手部分是使用重采样过滤器获得完美的平衡。这是因为，正如在说明中所述，它'使用替换采样或无替换'生成数据集的随机子样本。如果这些案例是随机抽取的，则无法保证您在两个班级之间获得相同的衡量标准。
对于幻数，这将与应用过滤器时您希望拥有的案例总数相关联。在你的情况下，它将是50636而不是32027.在这种情况下，你的幻数将是50636/32027 = 1.581。但是，如上所述，您可能无法完全匹配真假案例。
如果您确实需要精确的数字，可以使用自己喜欢的电子表格并预处理数据。一种可能的方法是将真实案例随机化（在单独的列中），对所有案例进行排序和复制，直到该数字与假的案例匹配为止。它不是一个自动化解决方案，解决方案不在Weka之外，但我之前使用过这种方法并且合理地快速完成工作。
希望这有帮助！