R themis bsmote 边界-SMOTE算法

BSMOTE 使用类之间边界区域中这些案例的最近邻来生成少数类的新示例。

用法

bsmote(df, var, k = 5, over_ratio = 1, all_neighbors = FALSE)

参数

df

data.frame 或小标题。必须有 1 个因子变量和其余的数值变量。

var

字符，包含因子变量的变量名称。

k

一个整数。用于生成少数类新示例的最近邻居的数量。

over_ratio

多数频率与少数频率之比的数值。默认值 (1) 表示对所有其他级别进行采样，使其具有与最常出现的级别相同的频率。值为 0.5 意味着少数级别的行数(最多)(大约)是多数级别的一半。

all_neighbors

两个borderline-SMOTE方法的类型。默认为 FALSE。查看具体信息。

值

data.frame 或 tibble，具体取决于 df 的类型。

细节

此方法的用法方式与 smote() 相同，期望不是在少数类的每个点周围生成点，而是首先将每个点分类到框 "danger" 和 "not" 中。对于每个点，计算 k 个最近邻点。如果所有邻居都来自不同的类别，则它会被标记为噪声并放入 "not" 框中。如果超过一半的邻居来自不同阶层，则被标记为“危险”。

如果all_neighbors = FALSE，则将在其自己的类中的最近邻居之间生成点。如果all_neighbors = TRUE，则将在任何最近的邻居之间生成点。请参阅可视化示例。

参数neighbors控制新示例的创建方式。对于每个当前存在的少数类示例，将创建 X 个新示例(这由参数 over_ratio 控制，如上所述)。这些示例将通过使用来自少数类每个示例的 neighbors 最近邻居的信息来生成。参数neighbors控制使用多少个邻居。

此步骤中使用的所有列都必须是数字且没有丢失数据。

参考

韩辉、Wen-Yuan王、Bing-Huan毛。 Borderline-smote：不平衡数据集学习中的一种新的过采样方法。国际智能计算会议，第 878-887 页。施普林格，2005。

也可以看看

例子

circle_numeric <- circle_example[, c("x", "y", "class")]

res <- bsmote(circle_numeric, var = "class")

res <- bsmote(circle_numeric, var = "class", k = 10)

res <- bsmote(circle_numeric, var = "class", over_ratio = 0.8)

res <- bsmote(circle_numeric, var = "class", all_neighbors = TRUE)