根据chawla等人撰写的论文（2002） 平衡数据的最佳性能是将欠采样与SMOTE相结合。
我尝试使用欠采样和SMOTE组合我的数据集， 但我对欠采样的属性有点混淆。
在weka中有Resample来减少多数班级。 Resample中有一个属性 biasToUniformClass - 是否对统一类使用偏差。值为0会使类分布保持原样，值为1可确保输出数据中的类分布均匀。
我使用值0并且多数类中的数据已经减少，因此少数族群会这样做，当我使用值1时，数据大部分会减少，但在少数类中，数据会增加。
我尝试将值1用于该属性，但我不使用smote来增加少数群体类的实例，因为数据已经达到平衡且结果也很好。
那么，是否与我合并SMOTE和欠采样相同，或者我仍然必须在该属性中尝试使用值0并执行SMOTE？
答案 0 :(得分：2)
对于欠采样，请参阅EasyEnsemble算法（a Weka implementation was developed by Schubach, Robinson, and Valentini）。
EasyEnsemble算法允许您将数据拆分为一定数量的平衡分区。要实现此平衡，请将numIterations参数设置为：
（多数实例数）/（＃少数群体实例）= 数字
例如，如果总共有30个实例，其中20个在多数类中，10个在少数类中，则将numIterations参数设置为2（即，20个多数实例/ 10个实例等于2个平衡分区）。这两个分区应各包含20个实例;每个实例都有相同的10个少数派实例，以及与大多数类不同的10个实例。
然后算法训练每个平衡分区上的分类器， 并且在测试时，合并在每个平衡分区上训练的一批分类器以进行预测。