编程语言
首页 > 编程语言> > 非平衡数据的处理(SMOTE算法)

非平衡数据的处理(SMOTE算法)

作者:互联网

主要内容:

  非平衡数据的特征

  SMOTE算法的思想及步骤

  SMOTE算法的手工案例

  SMOTE算法的函数介绍

1.非平衡数据的特征

在实际应用中,类别型的因变量可能存在严重的偏倚,即类别之间的比例严重失调。如欺诈问题中,欺诈类观测在样本集中毕竟占少数;客户流失问题中,忠实的客户往往也是占很少一部分;在某营销活动的响应问题中,真正参与活动的客户也同样只是少部分。

如果数据存在严重的不平衡,预测得出的结论往往也是有偏的,即分类结果会偏向于较多观测的类。为了解决数据的非平衡问题,2002年Chawla提出了SMOTE算法,即合成少数过采样技术,它是基于随机过采样算法的一种改进方案。

2.SMOTE算法的思想及步骤

SMOTE算法的基本思想就是对少数类别样本进行分析和模拟,并将人工模拟的新样本添加到数据集中,进而使原始数据中的类别不再严重失衡。

算法步骤为:

3.SMOTE算法的手工案例

 

 

 (4)重复步骤(1)、(2)和(3),通过迭代少数类别中的每一个样本

标签:SMOTE,步骤,样本,算法,类别,平衡,数据
来源: https://www.cnblogs.com/HuangYJ/p/11773690.html