R语言DMwR包中的SMOTE函数中perc.over和perc.under的含义。

最新推荐文章于 2023-10-02 19:12:06 发布

原创最新推荐文章于 2023-10-02 19:12:06 发布 · 8.5k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#r语言 #smote算法

R 专栏收录该内容

16 篇文章

订阅专栏

通过示例展示如何使用SMOTE算法解决不平衡数据集问题，包括数据准备、参数设置及结果验证。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

引文：帮助文档http://www.biostatistic.net/thread-34529-1-1.html
同样可以载入DMwR包之后，输入？SMOTE 查看相关帮助文档

perc.over = xx 表示少样本变成原来的（1+xx/100）倍
perc.under=yy 表示多样本变成少样本的 yy/100 *(xx/100)倍

## data [＃数据]
data(iris)
data <- iris[, c(1, 2, 5)]
data$Species <- factor(ifelse(data$Species == "setosa","rare","common")) 
## checking the class distribution of this artificial data set[＃检查类的分布，这种人工数据集]
table(data$Species)

## now using SMOTE to create a more "balanced problem"[＃现在使用SMOTE的创建一个更加“平衡的问题”]
newData <- SMOTE(Species ~ ., data, perc.over = 600,perc.under=100)
table(newData$Species)

> table(data$Species)

common   rare 
   100     50 
> 
> ## now using SMOTE to create a more "balanced problem"[＃现在使用SMOTE的创建一个更加“平衡的问题”]
> newData <- SMOTE(Species ~ ., data, perc.over = 600,perc.under=100)
> table(newData$Species)

common   rare 
   300    350