r - 在 R 中定义 n 的平衡样本

Question

我有一个用于情绪分析的不平衡数据集，大约有 65000 个观察值（约 60000 个正面和约 5000 个负面）。这个数据集应该是平衡的，这样我就有相同数量的正面和负面观察来训练我的机器学习算法。

包caret和函数downSample帮助我获得约 5000 个负面和约 5000 个正面观察（下采样到少数类）。但我喜欢恰好有 2500 个随机选择的正面观察和 2500 个随机选择的负面观察。有谁知道如何做到这一点？

标签： rr-caretsentiment-analysisdownsampling

Answer 1

你只想要2500个？？

require(tidyverse)
df <- data.frame(class = c(rep('POS',60000), rep('NEG',5000)), random = runif(65000))
result <- df %>% 
  group_by(class) %>% 
  sample_n(2500)
table(result$class)