如何在R中使用SMOTE平衡不平衡的分类1：1

Question

我正在执行二进制分类，并且我当前的目标类包括：不良：3126良好：25038

因此，我希望不良（少数）示例的数量等于良好示例（1：1）的数量。因此，坏的需要增加大约8倍（额外的21912个SMOTEd实例），而不能增加大多数（好）。我正在尝试的代码不会像目前一样保持Good的数量不变。

我尝试过的代码：

范例1：

library(DMwR)
smoted_data <- SMOTE(targetclass~., data, perc.over=700, perc.under=0, k=5, learner=NULL)

示例1输出：Bad：25008 Good：0

范例2：

smoted_data <- SMOTE(targetclass~., data, perc.over=700, k=5, learner=NULL)

示例2的输出：错误：25008良好：43764

范例3：

smoted_data <- SMOTE(targetclass~., data, perc.over=700, perc.under=100, k=5, learner=NULL)

示例3的输出：错误：25008良好：21882

Answer 1

要使用实现1：1平衡SMOTE，您需要执行以下操作：

library(DMwR)
smoted_data <- SMOTE(targetclass~., data, perc.over=100)

我必须承认，从内置文档看来，它似乎并不明显，但是如果您阅读原始文档，它会指出：

参数perc.over和perc.under控制分别针对少数类的过采样和多数类的欠采样量。

perc.over通常将是大于100的数字。对于属于少数类的原始数据集中的每种情况，perc.over/100都将创建该类的新示例。如果perc.over的值小于100，则将为原始数据集上属于少数类的随机选择比例的案例（由perc.over / 100给出）生成单个案例。

因此，当perc.over为100时，实际上就是创建1个新示例（100/100 = 1）。

默认perc.under值为200，这就是您要保留的值。

参数perc.under控制将为最终“平衡”数据集随机选择的多数类案例的比例。该比例是根据新产生的少数民族案件的数量计算的。

prop.table(table(smoted_data$targetclass))
# returns 0.5  0.5

Answer 2

您可以尝试在 R 中使用 ROSE 包。

此处提供带有示例的研究文章