weka中的不平衡数据集？不工作

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由于数量庞大而过于偏向正数。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，而不是负类增加了一些实例，而正类进一步增加，使不平衡的数据集过于偏颇。可以做些什么来克服这一点。并建议我一些其他方法？？如果有的话

对于初步研究，我们使用带有 RBF 作为分类器的 LIBSVM

Answer 1

在这个不平衡的数据集问题中，我建议使用分层，这涉及对少数类进行过采样或对多数类进行下采样。您可以利用成本敏感分类在 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，您可以尝试通过使用与类分布相反的权重来平衡类分布。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。