如何从Weka中的数据集中删除百分比但保持课堂平衡？

Question

我有一个数据集，其中包含来自A类的50％实例和50％B类实例。我想将我的数据集拆分为训练集和测试集。我知道RemovePercentage过滤器存在，但它并不关心类平衡。如何从我的数据集中删除35％，但仍然在训练集中保留50/50课程分布？

Answer 1

看看Stratified Remove Folds。它努力维持原始的类分布。 http://weka.sourceforge.net/doc.stable/weka/filters/supervised/instance/StratifiedRemoveFolds.html

Answer 2

好的，我找到了一种使用过滤器StratifiedRemoveFolds的方法：

第1步

在Weka Explorer中打开您的数据集，然后选择受监督的实例过滤器StratifiedRemoveFolds。

第2步

确定培训和测试集所需的尺寸。如果您希望您的集合具有相同的大小，则选择 numFolds 2.应用过滤器。这将生成一个包含原始集合中50％数据的数据集。 （如果你想要67％的训练数据和33％的测试数据，那么选择3作为numFolds）

第3步

将此生成的集保存为f.e. “train.arff”。保存第一组后，您必须撤消操作，以便返回完整的数据集。

第4步

单击StratifiedRemoveFolds过滤器，将参数 invertSelection 从False更改为True。现在，当您应用该过滤器时，将生成一个集合，如步骤2中所示，但它将包含其他50％的数据集。

第5步

将此保存为“test.arff **。现在您有一个符合班级平衡的火车和测试装置。