问题标签 [balance]

我有一些非常不平衡的数据（3% 肯定），我正在使用 xgboost 进行一些学习。该文件很大，我之前尝试过逻辑回归、随机森林和 svm（仅使用整个数据的一些子样本，因为数据太大）。为了解决数据不平衡，我尝试了使用 SMOTE 的类权重和平衡数据（这使得数据超级大）。但这似乎无济于事。当我使用上述任何一种方法时，准确率都会变差。

当我尝试 xgboost 并尝试像文档建议的那样调整 scale-positive-weight 参数时，它只会使准确性更差。总的来说，我所有的模型都比仅仅预测全 0 效果更差。

无论如何我可以解释这种数据不平衡吗？

这是我的 xgboost 代码

我需要有关访问报告的帮助。

如附图所示，我希望仅将“先前余额”值（包含 (167,950.00) 的文本框）添加到新月份的第一行（“存款”列）。“余额”列在属性中具有运行总和。

如您所见，我得到了负值，因为以前的余额未添加到新月份的第一行。

请帮忙。查看样本报告

我遇到过针对不同问题的正则表达式，但我找不到 regex 来平衡字符串中的字符。

我遇到了一个问题，要查找字符串是否平衡。例如：aabbccdd是平衡的，因为字符以偶数重复但aabbccddd不是平衡的，因为ddd以奇数模式重复。这适用于所有输入不特定的字符a,b,c and d。如果我将输入作为12344321or 123454321，它应该分别返回平衡和不平衡的结果。

如何使用正则表达式找到余额。我们应该使用什么类型的正则表达式来查找字符串是否平衡？

我试图仅使用正则表达式找到解决方案，因为问题需要以正则表达式模式回答。如果没有明确提及正则表达式，我将使用任何其他解决方案来实现

所以，我有 2 个包含这些字段的表：

传入[ID，产品，金额，时间戳]

和 传出[Id, Product, Amount, Timestamp]

我需要跟踪每种产品的当前可用数量，并且我认为一个好的方法是创建一个触发器，该触发器将在每次插入这些表后重新计算该值。

此外，通过将结果放在视图中，它可以供以后阅读。

我的问题是我不知道如何为所述触发功能编写代码。任何帮助都非常感谢，谢谢！

这是我解决问题的尝试，但到目前为止失败得很惨：

我有一个大学作业，我必须平衡以下等式：

NaOH + H2S04 --> Na2S04 + H20

目前，我对 python 和一般编码的了解非常有限。到目前为止，我已经尝试使用矩阵来求解方程。看起来我得到了解决方案 a=b=x=y=0 我想我需要将其中一个变量设置为 1 并解决其他三个。我不知道该怎么做，我进行了搜索，看起来其他人使用了更复杂的代码，而我真的无法遵循它！

这是我到目前为止所拥有的

我有一个编码挑战，我需要完成，并且已经在这里搜索解决方案或任何其他建议，但无法找到任何建议。

这是挑战：“平衡点”是可以拆分值数组列表的点，以便一侧的数字总和等于另一侧的数字总和。（平衡点包含在“第二个”子列表中。）给定一个非空整数列表，返回平衡点，如果给定列表不存在平衡点，则返回 -1。

我想将列表分成两部分并对每个单独的部分求和，然后比较总和。但是，我怎么知道在哪里拆分列表？以及如何从左侧和右侧对这些数字求和？

任何帮助将不胜感激！

你好！

我有一个简单的问题。如何通过 .NET PayPal API 和我的 API 凭据获取我的 PayPal 余额？我已经将 API 添加到 Visual Studio 2017。

我正在寻找一种优雅的方式来以特定方式对数据集进行采样。我找到了一些解决方案，但我想知道你们中是否有人知道更好的方法。

这是我正在查看的任务：

我想平衡我的数据集，以便类 0 的实例数量与类 1 的实例数量相同，因此在下面的示例中，我们有 5 个类 1 的实例和 11 个类 0 的实例：

到目前为止，我刚刚随机删除了 6 个 0 类实例，但我想防止一个 id 的所有实例都被删除。我尝试使用 sklearn 进行分层“拆分”，但它不起作用，因为并非每个 id 都包含超过 1 个项目。所需的输出应类似于以下内容：

有什么好主意吗？

我想在使用此代码时控制音频平衡

以及当我播放本地 mp3 文件时。我怎样才能做到这一点？

我很抱歉我的粗心。如果您需要平衡二次采样的方法，请访问以下链接。有各种各样的答案。

Scikit-learn 平衡子采样

如何从不平衡数据中进行分层平衡抽样？

我需要解决 40 个类的分类问题。数据是从 13 个传感器实时收集的，包括 13 列（传感器数量）乘 368816 行（简单来说，就像一个时间段）。我打算把数据放到循环神经网络中。

因此，我将其标记为 0 到 40 级。数据属于0类表示进程的正常状态，其他表示异常状态和产生问题的地方。

数据由 13 列 x 368816 行组成。每行表示每个数据集。368816 个数据集中的每一个都属于 0 到 40 类。但是，它是不平衡的。属于 0 类的数据集数量为 103260，约占整个数据集的 22%。

属于其他类别的数据数量，1-40，类似。

我想从不平衡的数据中制作平衡的样本数据。例如，如果最小的类有 7000 个数据，我想采样 7000*41(nb of class) 数据。

我尝试在 scikit-learn 包中使用 StratifiedShuffleSplit 方法。脚本如下所示。

如果我的采样逻辑是正确的，nb_train 和 nb_test 的总和应该小于 368816。因为我从不平衡的数据中进行了平衡采样。

但 nb_train 是 258171 而 nb_test 是 110645。

如何从不平衡数据中进行分层平衡抽样？

我尝试了scikit-learn方法中的Stratified Train/Test-split 。但是，我失败了。我使用的脚本如下。