个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
26
4
我正在将 ScikitLearn 的随机森林应用于极度不平衡的数据集(比率为 1:10 000)。我可以使用 class_weigth='balanced' 参数。我看过它相当于欠采样。
但是，这种方法似乎是对样本施加了权重，并没有改变实际的样本数。
因为随机森林的每棵树都是建立在训练集的随机抽取的子样本上的，恐怕少数类在每个子样本中的代表性不够(或根本没有代表性)。这是真的？这将导致非常有偏见的树。
因此，我的问题是:class_weight="balanced"参数是否允许在极度不平衡的数据集上构建合理无偏的随机森林模型，或者我是否应该找到一种方法对每棵树或构建训练集时的多数类进行欠采样？
最佳答案
我认为您可以将多数类分成 +-10000 个样本，并使用每个样本加上少数类的相同点来训练相同的模型。
关于python - ScikitLearn 随机森林中的欠采样与 class_weight，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43414689/
26
4
0
documentation中的措辞看起来 None 和“balanced_subsample”是等价的，但我想确保情况确实如此。 最佳答案 文档清楚地表明它们不等效: class_weight=Non
ValueError: class_weight must contain all classes in the data. The classes {1, 2, 3} exist in the da
我正在使用两个不同的分类器对相同的不平衡数据执行一些(二进制)文本分类。我想比较两个分类器的结果。 使用 sklearns 逻辑回归时，我可以选择设置 class_weight = 'balanced
我目前正在研究一个随机森林分类模型，其中包含 24,000 个样本，其中 20,000 个样本属于 class 0其中 4,000 个属于 class 1 。我做了一个train_test_split
我有一个不平衡的数据集，其中 200000 个描述属于 0 类，大约 10000 个描述属于 1 类。但是，在我的训练数据集中，我有相同数量的“正”和“负”样本，每个样本大约 8000 个。所以现在我
在使用 class_weight 解决我的多标签问题时遇到问题。也就是说，每个标签不是0就是1，但是每个输入样本有很多标签。 代码(带有用于 MWE 目的的随机数据): import tensorfl
我正在将 ScikitLearn 的随机森林应用于极度不平衡的数据集(比率为 1:10 000)。我可以使用 class_weigth='balanced' 参数。我看过它相当于欠采样。 但是，这种方
我想在 Keras 训练期间更改我的 class_weight。 我使用了 fit_generator 和 Callback 方法，如下所示。 model.fit_generator(
我的数据具有极度的类别不平衡。约99.99%的样本为阴性；积极因素(大致)平均分配给其他三个类别。我认为我正在训练的模型基本上一直在预测多数类(class)。出于这个原因，我正在尝试对类(class)
尝试让 class_weight 开始。我知道其余代码有效，只是 class_weight 给我错误: parameters_to_tune = ['min_samples_split':[2
我目前正在尝试改变随机森林分类器的阈值以绘制 ROC 曲线。我的印象是，对随机森林执行此操作的唯一方法是使用 class_weight 参数。我已经能够成功地做到这一点，提高和降低精确度、召回率、真阳
Keras 使用 class_weight 参数来处理不平衡的数据集。 这是我们可以在 doc 中找到的内容: Optional dictionary mapping class indices (i
尝试对大约 2500*~4000 个大型特征进行分类，并在训练数据中附上置信文档。 我尝试使用置信度值作为分类器的 class_weight 参数，但无法理解 class_weight 所需的字典格式
我有一个多标签数据(有些类有 2 个标签，有些类有 10 个标签)，并且我的模型对于平衡值和无值过度拟合。为 class_weight 参数设置的最佳值是多少。 from sklearn.svm im
我对 sklearn 如何应用我们提供的类权重感兴趣。 documentation没有明确说明类权重的应用位置和方式。阅读源代码也没有帮助(似乎 sklearn.svm.liblinear 用于优化，
我的数据集已经有加权示例。在这个二元分类中，与第二类相比，我也有更多的第一类。 我可以同时使用 sample_weight 并在 model.fit() 函数中使用 class_weight 进一步重
谁能告诉我当数据集不平衡时在 Keras 中应用 class_weight 的最简单方法是什么？ 我的目标中只有两个类。 谢谢。 最佳答案 fit() 函数的class_weight 参数是一个将类别
我想在 keras model.fit 中使用 class_weight 参数来处理不平衡的训练数据。通过查看一些文档，我了解到我们可以像这样传递一个字典: class_weight = {0 : 1
此问题已在其他论坛中提出，我尝试了他们的变体但无济于事:class_weight for imbalanced data - Keras how to set class-weights for im
在 TensorFlow 中，当在 fit_generator 中使用 class_weights 时，会导致训练过程不断消耗越来越多的 CPU RAM，直到耗尽。每个纪元后内存使用量都会逐步增加。请
我是一名优秀的程序员,十分优秀！