时间戳

首页 > 解决方案 > 用 mlr3 处理类不平衡

r - 用 mlr3 处理类不平衡

问题描述

最近有人建议我将机器学习框架更改为 mlr3。但我发现过渡比我一开始想的要困难一些。在我目前的项目中，我正在处理高度不平衡的数据，我想在训练我的模型之前对其进行平衡。我发现本教程解释了如何通过管道和图形学习器处理不平衡：

https://mlr3gallery.mlr-org.com/posts/2020-03-30-imbalanced-data/

恐怕这种方法也会通过新数据预测来执行类平衡。为什么我要这样做并减少我的测试样本？

所以出现了两个问题：

  1. 我是否正确不在测试数据中平衡类？
  2. 如果是这样，有没有办法在 mlr3 中做到这一点？

当然，我可以手动对训练数据进行子集化并自己处理不平衡，但这不再有趣了！:)

无论如何，感谢您的任何回答，
干杯！

标签： rpipelineimbalanced-datamlr3

解决方案

回答您的问题：

恐怕这种方法也会通过新数据预测来执行类平衡。

这不正确，你从哪里得到这个？

我是否正确不在测试数据中平衡类？

类平衡通常通过添加或删除行（或调整权重）来实现。在预测步骤期间不应应用所有这些步骤，因为我们希望数据中的每一行都有一个预测值。另一方面，权重通常在预测阶段没有影响。你的假设是正确的。

如果是这样，有没有办法在 mlr3 中做到这一点？

只需PipeOp按照博客文章中的说明使用。在训练期间，它将执行指定的过采样或欠采样，而在预测期间不执行任何操作。

干杯，

推荐阅读