R中的任何包都可以进行多类、过采样、欠采样、Both和SMOTE？ [关闭]答案

【问题标题】：Any package in R which can Do Multi Class ,Oversampling,Under sampling,Both And SMOTE? [closed]R中的任何包都可以进行多类、过采样、欠采样、Both和SMOTE？ [关闭]
【发布时间】：2018-06-21 06:27:13
【问题描述】：

我正在寻找可以进行多类过采样、欠采样或两种技术的包。我尝试使用ROSE 包，但它仅适用于二进制类。

我的目标变量有 4 个类，并且有 %。 “0”-70% “1”-15% “2”-10% “3”-5% “4”-5%

【问题讨论】：

标签： r multiclass-classification

【解决方案1】：

我相信您应该能够使用 Caret 包对两个以上的类执行下采样或上采样。

如果插入符号没有，也许最好的办法是编写一个自定义代码，从变量类中随机抽取相等的数字。

通常，实际上下采样或上采样用于二元分类。您可能需要考虑一对一的方法。如果你下采样然后，你必须调整你的概率，所以它们不受类之间各种下采样率的影响。

更新示例代码：

y = c("A", "A","A", "B", "B", "C", "C", "C","C", "C", "C") 
x = c(1,2,1,2,3,4,5,4,5,6,7) 
data=cbind(y=y,x1=x)

fin=NULL
for (i in unique(y)) {
sub=subset(data, y==i)
sam=sub[sample(nrow(sub), 2), ]
fin=rbind(fin, sam)}

结果：

我已经从这里的每个 Y 中抽取了 2 个样本——但不是 2，你应该在你的 Y 中放入最小类的数量。

【讨论】：

不，它适用于二进制类变量，而不是多项式类变量。
见上面的更新。
能否在r中添加伪代码来制作自定义采样器？
见上面的更新

【解决方案2】：

你可以试试 SMOTE。如果需要，SMOTE 通过生成观察来对数据进行过度或不足采样。因此，大多数情况下，smote 会执行任何其他采样技术。这是python中的sn-p代码。在R中，使用SMOTE均衡目标变量的级别分布有点困难，但可以一次考虑2个类

from imblearn.over_sampling import SMOTE
sm = SMOTE(random_state=99, ratio = 1.0)
x_train, y_train = sm.fit_sample(X_var, target_class)
print(pandas.value_counts(y_train))#verify class distribution here

比率在这里是超参数。

希望这会有所帮助。

【讨论】：

【解决方案3】：

您可以使用 R UBL package。它有几种技术实现来对多类问题进行过采样，例如ADASYN 和其他算法来处理不平衡的类。

【讨论】：