我想重新采样一些大数据（类大小：8mio vs 2700）我想通过对第 2 类进行过采样和对第 1 类进行欠采样来获得 50.000 个样本。imblearn 似乎提供了过采样和欠采样的组合，但我不明白它是如何做到的作品。

在数据看起来像之前

之后

正如我所期望或希望的那样

我有一个数据集不平衡的二进制分类问题，我不知道在欠采样和过采样之间使用什么！

现在我有12个intent要识别，但是每个intent的数据量是不一致的，比如会议设置，提醒这些意图，数据量会上千。但是像问候，谢谢这样的意图，很少数据样本，可能只有几十个。

我该如何处理这个数据不平衡问题？

我的 config.yml 文件内容如下：

我有一个非常不平衡的数据集。为了解决这个问题，我分别尝试了不同的类不平衡技术：downSample、类权重、阈值调整。其中，阈值调整效果最差。单独使用 downSample 或单独使用类权重，我没有设法获得足够好的结果：要么有太多的 FalsePositives 要么 FalseNegatives。所以我想将这两种技术结合起来。这是我累的：

所以当我不把sampling论点放在controlTrain：

它有效并且没有错误。但是当我将 trainControl 的采样参数添加为

我得到这个可以理解的错误：

有没有办法做到这一点caret？提前谢谢了。

我是 R 新手，我正在为我的个人项目/练习构建 R 代码。我使用的数据是关于香港人种族认同的调查。我使用了来自http://data.hkupop.hku.hk/v3/hkupop/ethnic_identity/ch.html的2019 年数据。

在删除 NA 值并将列减少到我需要的列之后，我注意到数据高度不平衡，因此我尝试使用欠采样、ROSE 和 SMOTE。（数量从 1015 次大幅减少到 573 次）

我从集合中删除了以下列#

但是，这不是二进制数据，因此我不得不强制 eth_id 中的因素组合成 0 = 1&3（香港人和香港中国人）和 1 = 2&4（中国人和中国香港公民）

我如何结合这些因素

• 0 = 香港公民 + 香港中国公民
• 1 = 中国公民 + 中国香港公民

我如何重命名列

我如何处理我的 NA 和不必要的异常值

对于 [,2:7] 列，我将它们的值更改为 0 用于 NA，例如，df_f$HongKonger <- ifelse(is.na(df_f$HongKonger),0,df_f$HongKonger)依此类推。

对于其他人，我删除了这样的 NA：

在我的数据集的这一点上，我剩下 14 列，我将它们重命名（请参阅上文）。我上传了我用于 ROSE 和 SMOTE 的数据的最终结构 :-)

此外，我还删除了异常值的行，例如：

删除无法识别的种族身份（8881 或级别 = 5）

• 这些代码必须仔细编写，如果您在重命名之前运行它，请使用 eth_id 代替 Q001，反之亦然。

现在，当我运行 ROSE 时，我不断收到此错误：Error in [<-.data.frame( *tmp*, , indY, value = c(1L, 1L, 1L, 1L, 1L, : 在数据帧的下标分配中不允许缺失值。

这是非常具有误导性的，因为我确保完全删除 NA 值（因为与此相关的所有问题都与 NA 问题有关，这不适用于我的问题），我什至将所有因子值都更改为数值。（因为我认为程序不理解？因子值。）

我还收到 SMOTE 的此错误消息：名称错误（dn）<- dnn：尝试将属性设置为 NULL。这个马克

我如何将 ROSE 用于“两者”

我如何使用 SMOTE

我不断得到： 1）对于 ROSE：（[<-.data.frame, *tmp*, indY, value = c(1L, 1L, 1L, 1L, 1L, 中的错误）：在数据帧的下标分配中不允许缺少值

2) 对于 SMOTE: Error in names(dn) <- dnn : 尝试将属性设置为 NULL

• 我也很困惑将所有因素更改为数值会使其仍然有效。

谢谢你，谢谢你提前分享你的知识。

我在 ML 中有一个用例，其中我有 2 个类，0 和 1 用于给定文本。

• Class-0:可以承受一些错误分类
  
• Class-1:非常重要，不能承受任何错误分类

两个类的样本都存在巨大的不平衡，0 类大约 30000 个，1 类只有 1000 个

在进行训练测试拆分时，我根据标签对拆分进行分层，这样，每个标签类保持 70% 训练和 30% 测试的比例。

我想以这样的方式调整参数，Precision或者Recall为 class-1 改进。我尝试使用“f1_macro”、“precision”、“recall”作为单独的指标，并将所有指标组合起来使用 GridSearchCV 进行调整，但由于大多数样本为 Class-0，因此它的帮助较小。

我正在探索减少 0 类数据的更安全的方法，尽管我们可以减少的程度很小，无论如何，即使没有调整或使用任何参数，0 类的 f1 分数总是高于 98%。

所以我关心的只是调优class-1。

您能否建议，也许是一个定制的可调用指标，使其仅关注 Class-1 的精度、召回率或 F1 分数？

我正在使用 scikit-learn 最新的稳定版本。

类似的问题在这里，作者正在尝试使用它被建议尝试自定义指标来调整 Class-1 的 F1 分数Neural Networks (MLP)，Keras
只是没有提到如何。
可以在这里回答 Scikit-Learn 的人，也可以回答下面的 Keras 链接。 通过 RandomizedSearchCV 在 Keras (MLP) 中调整超参数

我的数据不平衡，如下所示，每当我尝试使用 ADASYN 时，它都会显示错误，我们是否需要为此提供任何参数条目？有时它会运行很长时间，但即使在代码运行 40 分钟后也没有响应。

请建议我们如何继续使用 python 代码来解决问题。从其他人的推荐中，我听说过

1. 可以一次在两个级别之间进行采样，然后可以在同一级别上进行迭代
2. 下采样 75% 的那个可能有帮助吗？
3. 或使用 skmultilearn 的任何解决方案？

代码：

o/p=== > 这运行了很长时间，之后没有结果，请建议

我正在使用中性网络进行多类分类。有 3 个不平衡的类，所以我想使用焦点损失来处理不平衡。所以我使用自定义损失函数来适应 Keras 顺序模型。我尝试了在网上找到的焦点损失函数的多个版本的代码，但它们返回相同的错误消息，基本上说输入大小是浴缸大小，而预期为 1。任何人都可以看看这个问题，让我知道你是否可以修理它？对此，我真的非常感激！！！

​</p>

​​​ # fit the model (train for 5 epochs) history = model.fit(x=x_train, y=y_train, batch_size=64, epochs=5, class_weight = class_weight)

我有一个数据集可以在胜诉案件 (14399) 和败诉案件 (8677) 之间进行分类。该数据集有 912 个预测变量。我试图对丢失的案件进行过度抽样，以达到与获胜案件几乎相同的数量（因此每个获胜案件和失败案件都有 14399 个案件）。

TARGET 是丢失 (0) 和赢 (1) 案例的列：

现在我正在尝试使用 ROSE ovun.sample 来平衡它们

我收到此错误：

任何人都可以帮忙吗？谢谢 ：-）

我正在使用 CNN 和 DNN 更具体地解决图像分类问题。但是手头的数据高度不平衡，因此给出了高度倾斜的结果。它预测一切为真或一切为假。

我已经尝试过 SMOTE 方法，但有人对如何处理这个问题有其他建议吗？