classification - weka 中的不平衡数据集？不起作用

Question

我有 239 个阳性数据集和 32 个阴性数据集，因为它是与癌症相关的数据，我们只有很少的阴性数据集。现在，在应用分类时，确保不平衡的数据集会因为数量庞大而过于偏向正值。所以我尝试在 weka 中应用 SMOTE。我也尝试了各种百分比和最近的邻居。令我惊讶的是，负类增加了一些实例，而正类进一步增加，使得不平衡的数据集过于偏向。可以做些什么来克服这一点。并建议我其他一些方法？？如果有的话

对于初步研究，我们使用带有 RBF 的 LIBSVM 作为分类器

Answer 1

在这个不平衡的数据集问题中，我建议使用分层，它涉及对少数类进行过采样或对多数类进行下采样。您可以使用 成本敏感分类 在 WEKA 中模拟分层。

您可以使用两个分类器，MetaCost和 CostSensitiveClassifier .唯一的问题是成本矩阵中的最优值只能通过实验获得。根据经验，您可以尝试使用与类别分布相反的权重来平衡类别分布。在您的情况下，这意味着在成本矩阵中将 239 的成本分配给误报，将 32 的权重分配给误报。