我目前正在努力解决机器学习问题，而我必须处理大量不平衡的数据集。也就是说，有六个类('1'，'2'...'6')。不幸的是，有例如对于“1”类，有 150 个示例/实例；对于“2”，有 90 个实例；对于“3”类，只有 20 个实例。所有其他类都无法“训练”，因为这些类没有可用的实例。
到目前为止，我发现 WEKA(我正在使用的机器学习工具包)提供了这种受监督的“重新采样”过滤器。当我使用 'noReplacement'=false 和 'bialToUniformClass'=1.0 应用此过滤器时，这会产生一个数据集，其中实例的数量很好并且几乎相等(对于类 '1'..'3' 和其他类)留空)。
我现在的问题是:WEKA 和这个过滤器如何为不同的类生成"new"/附加实例。
提前非常感谢您提供任何提示或建议。
干杯 朱利安
最佳答案
事实并非如此。它正在对现有实例进行重新采样。如果您有一个 2 类实例，并要求以 1.0 的偏差进行重采样，则您可以预期该实例的 N 个副本以及已存在数据的每种其他类型的 N 个其他实例。
关于filter - WEKA 的重采样过滤器 - 如何解释结果，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1874645/