machine-learning - 频繁上课如何应对？

Question

我正在 Weka 中处理一项分类任务，并遇到一个问题:我要预测的类有一个非常频繁的值(大约 85%)。这导致许多学习算法只是预测新数据集的此类的频繁值。

我该如何处理这个问题？这是否仅仅意味着我没有找到足够好的特征来预测更好的事情？或者我可以做些什么来解决这个问题？

我想这是一个非常常见的问题，但我无法在这里找到解决方案。

Answer 1

您需要“SMOTE”您的数据。首先计算出您还需要多少个少数案例实例。就我而言，我想要获得大约 50/50 的比率，因此我需要过度采样 1300%。如果您使用 GUI，本教程将会有所帮助:http://www.youtube.com/watch?v=w14ha2Fmg6U如果您使用 Weka 从命令行执行此操作，则可以使用以下命令:

#Weka 3.7.7
java weka.Run -no-scan weka.filters.supervised.instance.SMOTE \
-c last -K 25 -P 1300.0 -S 1 -i input.arff  -o  output.arff

-K 选项是 smoting 数据时要考虑的邻居数量。默认值为 5，但 25 最适合我的数据集。