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。
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。
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。
相关用法
- R themis smotenc SMOTENC算法
- R themis tomek 删除 Tomek 的链接
- R themis step_smote 应用SMOTE算法
- R themis step_smotenc 应用 SMOTENC 算法
- R themis step_downsample 基于因子变量对数据集进行下采样
- R themis smote SMOTE算法
- R themis step_tomek 删除 Tomek 的链接
- R themis step_rose 应用ROSE算法
- R themis nearmiss 删除其他类附近的点
- R themis step_upsample 基于因子变量对数据集进行上采样
- R themis step_bsmote 应用边界-SMOTE 算法
- R themis adasyn 自适应合成算法
- R themis step_nearmiss 删除其他类附近的点
- R themis step_adasyn 应用自适应合成算法
- R update_PACKAGES 更新现有的 PACKAGES 文件
- R textrecipes tokenlist 创建令牌对象
- R print.via.format 打印实用程序
- R tibble tibble 构建 DataFrame 架
- R tidyr separate_rows 将折叠的列分成多行
- R textrecipes step_lemma 标记变量的词形还原
- R textrecipes show_tokens 显示配方的令牌输出
- R tidyr extract 使用正则表达式组将字符列提取为多列
- R prepare_Rd 准备用于渲染的解析 Rd 对象
- R tidyr chop 砍伐和砍伐
- R tidyr pivot_longer_spec 使用规范将数据从宽转为长
注:本文由纯净天空筛选整理自等大神的英文原创作品 borderline-SMOTE Algorithm。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。