yodala的博客

08031、写出本例中的U,C,D\mathbf{U}, \mathbf{C}, \mathbf{D}U,C,D和V\mathbf{V}V,注: 最后两个属性为决策属性,III是怎么表示的?U={x1,x2,x3,x4,x5,x6,x7}\mathbf{U}=\{x_1,x_2,x_3,x_4,x_5,x_6,x_7\}U={x1​,x2​,x3​,x4​,x5​,x6​,x7​}.C={Headache,Temperature,Lymphocyte,Leukocyte,Eosinophil}\m

在对目标 bag 生成新数据的同时，不仅会影响目标 bag 的 IRlbl(IRperLabel)，还会影响其它 bag 的值，因此在每一个周期开始之前，都要重新计算该值，如果超过 MeanIR，则不在为该 bag 生成新数据。整个式子想表达的意思就是拥有最多正标签的标签与目标标签的一个比值，加入目标标签就是拥有最多正标签的标签则比值为 1，目标标签拥有的正标签越少则不平衡度越大。为每一个少数类标签生成一个 bag，里面的样本都拥有该标签。对每一种标签进行一次判断，找到所有的少数类。

SSG

data augmentation

LDL

无

ROC-AUCROC如果我们使用的是一个二分类的模型，可以把预测情况与实际情况两两结合，就会出现4种情况，如下表所示：pre_label\true_labelPositiveNegativePositiveTPFPNegativeFNTNTP（true positive）：表示样本的真实类别为正，最后预测得到的结果也为正；FP（false positive）：表示样本的真实类别为负，最后预测得到的结果却为正；FN（false negative）：表示样本的