如何对weka中的不平衡数据进行分类？

Question

我有一个不平衡的训练数据，我在weka中使用逻辑回归进行分类。

  

有两个班级好坏。好有75000个实例和坏   我的测试数据有10000个好数据。

当我训练时，它更倾向于获得良好的数据，即它几乎将所有不良实例分类为好。我该怎么办 ？ 我试图在训练数据中有10000个好实例，而不是75000，但问题仍然是相同的。

Answer 1

不确定python但是在gui版本中你可以使用SpreadSubsample来减少类不平衡。如果你觉得那么糟糕＆＃39;这是一个很好的代表，然后你可以尝试不同数量的好的实例。＆＃39;

要执行此操作，您需要选择过滤器==＆gt;监督==＆gt;实例==＆gt; SpreadSubsample ==＆gt;使用＆＃39; max count＆＃39;

更改实例数

Answer 2

您可以尝试一些事情。

1. 使用Boosting（AdaBoostM1），以便为错误分类的实例提供额外的权重。
2. 使用weka.classifiers.meta.CostSensitiveClassifier并给出＆＃34; bad＆＃34;实例的权重高于＆＃34; good＆＃34;实例。 注意：这可能会降低您的整体准确度，但会让您的分类器更好地识别“坏”＆＃34;实例。