sampling - 在 mlr 中将 Multi Class Wrapper 与 Sampling Wrapper 相结合以获得子问题特定的采样

Question

我正在使用 mlr 包解决不平衡的多类分类问题：

标签	样品
一个	232
乙	657
C	221
D	154

我想使用不同的机器学习算法来解决它，包括一些不支持开箱即用的多类分类的算法。因此，我检查了 mlr 文档，发现MulticlassWrapper从底层多类问题中创建二进制“一对一”问题。

我希望专门针对每个二进制分类问题执行平衡。因此，我不希望每个问题都使用相同的上采样率或下采样率，而是根据这个二元问题的实际类分布来使用不同的采样率。

我在 mlr 文档中发现用于采样目的的是OversampleWrapper、UndersampleWrapper、OverbaggingWrapper和SMOTEWrapper. 问题是它们都需要一个应用的采样率并且不执行基于分布的采样。因此，当我使用以下代码片段中所示的其中一个包装器时，所有二进制子问题都以相同的速率进行采样。

learner <- makeLearner("classif.rpart") # just an example 

over.lrn = makeOversampleWrapper(learner, osw.rate = 2)

multiclass.over.lrn = makeMulticlassWrapper(over.lrn, mcw.method = "onevsone")

multiclass.over.model <- train(multiclass.over.lrn, task.train)

例如，问题“A”与“B”将被采样到 464 个“A”和 657 个“B”的分布。

我想为“A”和“B”得到 657 个“A”和 657 个“B”。对于“A”与“C”，它将是 232 个“A”和 232 个“B”等等。因此，对于 MulticlassWrapper 创建的所有二进制问题，采样率不应该是固定的，而是动态的，例如，对于过采样少数类被过采样以匹配主要类的样本数量（反之亦然）。

有没有办法用 mlr 包实现这一点？

（如果不是，我会编写自己的采样包装器来实现这一点，尽管它被团队认为已退休，但将其包含在 mlr 包中通常会很有趣吗？抱歉，我没有为开源项目）。

标签： samplingresamplingmulticlass-classificationmlr