为了对mlr中的大型机器学习分类任务进行小型测试,我想首先创建一些小型任务,以保持原始任务的正负比率。
目前,我正在使用功能BufferedReader reader = new BufferedReader (
new InputStreamReader (msg.getInputStream (), Charset.forName ("ISO-8859-1"))
);
手动将参数export class AppComponent {
jsonData: any = [];
export(): void {
/* generate worksheet */
const ws: XLSX.WorkSheet = XLSX.utils.json_to_sheet(this.jsonData);
// add style (but not working) and value to A1 cell
ws['A1'] = {
v: 'AI cell value',
s: {
font: { size: 20, bold: true, color: "#FF00FF" },
"!merges": [
{ s: { r: 0 } } /* A1 */
]
}
};
/* generate workbook and add the worksheet */
const wb: XLSX.WorkBook = XLSX.utils.book_new();
XLSX.utils.book_append_sheet(wb, ws, 'Sheet1');
/* save to file */
XLSX.writeFile(wb, "demo.xlsx");
}
}
设置为保留类比率的固定索引向量。
有什么内部方法吗?例如“承担这项任务的75%,以保持班级比例”。也许使用重采样实例?
谢谢!
答案 0 :(得分:3)
函数downsample(my_task, perc=0.05, stratify=TRUE)
应该是您想要的:
https://mlr.mlr-org.com/reference/downsample.html
将参数stratify
设置为TRUE(默认为FALSE)可保留原始数据的类比。
有帮助吗?