我有一个包含20个类的数据集，并且它具有非常不均匀的分布。 R中是否有任何功能允许我们平衡数据集（可能加权）？
我想使用Weka的平衡数据进行分类。由于我的班级分布有偏差，如果没有单一的多数班级，我希望能得到更好的结果。
我曾尝试过使用SMOTE过滤器和Resample过滤器，但它们并没有完全符合我的要求。 我不希望任何实例被删除，重复很好。
答案 0 :(得分：1)
我认为你的术语存在误解。您的问题标题是指抽样，但问题文本涉及加权。
澄清：
通过采样，您可以拥有比原始集更少，相同或更多的实例;样本的唯一成员资格可以是原始集合的严格子集，也可以与原始集合相同（具有替换 - 即重复）。
通过加权，您只需调整可用于某些进一步目的的权重（例如抽样，机器学习），以解决或强加相对于均匀加权的某些（im）平衡。
我相信你指的是加权，但同样的答案应该适用于这两种情况。如果观察总数为N并且每个类的频率是20长向量freq的元素（例如，类1中的项目数是freq[1]*N），那么只需使用1/freq的权重向量来标准化权重。您可以将其缩放一些常数，例如N，虽然没关系。如果任何频率为0或非常接近它，您可以使用平滑计数向量（例如，Good-Turing平滑）来解决此问题。
因此，每组的总重量将相等。