我在 WEKA 中使用 SMOTE 过滤器来平衡数据。
我对这两个参数nearestNeighbors和percentage.
nearestNeighbors -- 要使用的最近邻居的数量。
percent -- 要创建的 SMOTE 实例的百分比。
我应该如何设置它们？
我认为邻居的数量是它要创建的合成样本的数量。
那么百分比是什么意思呢？它应该小于或等于邻居的数量，对吧？是否考虑了合成样本的百分比？
例如：
如果我把 10 个邻居和 200% 放在一起会发生什么？
谁能给我一些正确使用的例子？
该nearestNeighbors参数表示有多少最近邻实例（围绕当前考虑的实例）用于构建中间合成实例。默认值为 5。因此，真实现有实例的 5 个最近邻居的属性用于计算新的合成实例。
该percentage参数表示基于具有较少实例的类的数量创建了多少合成实例（默认情况下 - 您也可以通过设置-C选项来使用多数类）。默认值为 100。这意味着如果您的少数类中有 25 个实例，则再次从这些实例中综合创建 25 个实例（使用它们最近邻居的值）。使用 200% 创建 50 个合成实例，依此类推。
有关更多信息，请参阅 SMOTE 的weka 文档和 Chawla 等人的原始论文。2002 年，对整个方法进行了深入的解释。
对我来说，Weka SMOTE 似乎只会对实例进行过度采样。因此，您还可以使用有监督的SpreadSubsample过滤器在之后对少数类实例进行欠采样。
如果您有两个类并且希望每个类中的样本数量相同，则需要将大类中的样本数除以小类中的样本数。取其中的小数部分并乘以 100。这就是你的 P 参数。