r - 是否有可以使用连续和分类特征进行 SMOTE 的包或函数？

Question

我有一个不平衡的数据集，其中包含一个分类因变量和连续且分类的特征变量。我知道 DMwR 包中的 SMOTE 函数只能处理连续的特征。是否有可以像 Chawla 描述的那样处理分类和连续特征的包 in his paper ？

Answer 1

您可以在 R 中处理!

是的，smotefamily::SMOTE 和 DMwR::SMOTE 都只能处理数字特征，因为底层算法是 k-最近邻。

因此:

1. 将所有分类变量转换为数据类型factor。

2. 通过最近的软件包tidymodels::embed

   计算每个因素水平的数值估计值

tidymodels::embed 包提供了三种方法来执行第 2 步:

• step_lencode_glm
• step_lencode_bayes
• step_lencode_mixed

documentation说这些方法估计每个因素水平对结果的影响，并将这些估计用作新编码。