我遇到的当前问题是分类结果 NOT GOOD ，即使我使用了许多不平衡的处理技术，例如resampling，smote，cost-learning。< / p>
具体来说，我有一个数据集，困难，容易是我的数据集中的2个类。虽然我的数据集中的类分布服务不平衡（困难：easy = 187：13 ）。
我使用random forest来训练我的模型并使用10-fold cross validation进行评估，然后结果就行了＃34;没有策略＆＃34;。
然后我使用一些技术来处理这个不平衡的问题，但我只能得到如下非常低的实验结果（＆＃34;成本敏感＆＃34;，＆＃34; smote＆＃34;，＆＃34;重新采样＆＃34;），有些值甚至低于0.1。
Methods P(d) R(d) F(d) P(e) R(e) F(e) Acc
-------------------------------------------------------------
no strategy 0.000 0.000 0.000 0.935 0.995 0.964 0.930
cost-sensitive 0.500 0.077 0.133 0.939 0.995 0.966 0.935
smote 0.500 0.077 0.133 0.939 0.995 0.966 0.935
resampling 0.500 0.077 0.133 0.939 0.995 0.966 0.935
如何改进我的结果或其他任何高级技巧？在此先感谢：）
答案 0 :(得分：0)
你想要优化什么？如果它是精确或召回，你也可以尝试改变概率阈值（即不使用＆gt; 0.5来调用某些东西为'easy'，你可以使用例如＆gt; 0.2）。与它一起玩，看看使用CV的最佳阈值是什么。
另一种选择是使用最常见类的欠采样。因此，通过CV折叠，创建许多“折叠”，其中包含来自“简单”类别的所有值以及来自“困难”类别的一些值，以便它们是平衡的。在所有这些“折叠”上训练模型，然后全部用它们以整体方式预测实际的CV折叠。