Rad*_*bys 3 pipeline r mlr3 imbalanced-data
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象的要困难一些。在我当前的项目中，我正在处理高度不平衡的数据，我希望在训练模型之前对其进行平衡。我发现这个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。我为什么要这样做并减少我的测试样本？
所以出现的两个问题是：
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问题，但这不再有趣了！:)
无论如何，感谢您的回答，
干杯！
小智 5
回答你的问题：
恐怕这种方法也会通过新数据预测来执行类平衡。
这是不正确的，你从哪里得到这个？
我在测试数据中不平衡类别是否正确？
类平衡通常通过添加或删除行（或调整权重）来实现。所有这些步骤都不应该在预测步骤中应用，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，mlr3中有没有办法做到这一点？
PipeOp只需按照博客文章中的描述使用即可。在训练期间，它将执行指定的过采样或欠采样，而在预测期间则不执行任何操作。
干杯，