用SMOTE在R中调试插入符号
用SMOTE在R中调试插入符号
提问于 2017-11-30 18:20:17
我试图在SMOTE中的trainControl函数中使用caret中的trainControl。在作者的示例之后，我做了以下工作：
#first, create an imbalanced data set
set.seed(2969)
imbal_train <- twoClassSim(10000, intercept = -20, linearVars = 20)
imbal_test <- twoClassSim(10000, intercept = -20, linearVars = 20)
table(imbal_train$Class)
Class1 Class2
9411 589我想使用SMOTE算法对我的少数类进行过采样。不过，这项工作必须小心进行。例如，在进行交叉验证之前，我们不应该过采样。这将导致我们乐观的泛化错误。
#create my folds (5 in this case)
folds <- createFolds(factor(imbal_train$Class), k = 5, list = TRUE,returnTrain=TRUE)
#trainControl to set up my training phase.
ctrl <- trainControl(method = "cv", index = folds,
classProbs = TRUE,
summaryFunction = twoClassSummary,
savePredictions = "all",
## new option here:
sampling = "smote")
#train the model
set.seed(5627)
smote_inside <- train(Class ~ ., data = imbal_train,
method = "treebag",
nbagg = 50,
metric = "ROC",
trControl = ctrl)它运行时没有错误。现在，我希望看到在每次迭代中使用的培训和测试集。我需要确保在过度取样培训文件夹之前，有一个文件夹被保存，并且没有在其中创建新的合成记录。
查看train输出的对象，我可以看到smote_inside$control可能有一些信息。具体来说，它有index和index_out：这是每个cv迭代中训练和测试的行索引。然而，当我这样做时：
lista=smote_inside$control
dd=imbal_train[lista$index$Fold1,] #training data first cv iteration
table(dd$Class)
Class1 Class2
7529 471 你可以看到它仍然是不平衡的。SMOTE应该从少数族裔阶层中创造一些合成记录。也许这些信息被保存在另一个地方？
问题：
- 如何才能看到使用smote来平衡数据的新培训记录？
- 如何确保测试文件夹没有受到过度采样的污染？
- 我在哪里可以找到插入器是做什么与打击？指向源代码的指针。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-12-05 16:38:59
一些答案：
- 它没有保留这些信息。
- 它的设计目的是不污染顽固性数据。如果您想要证明(超出您所引用的链接中显示的内容)，请查看
createModel以了解它是如何进行采样的，以及如何在预测之前处理数据的predictionFunction。 - 软件包的来源基本上随处可见。上述两个函数(连同
probFunction)用于工作。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47580132
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号