R themis smotenc SMOTENC算法

SMOTENC 使用这些案例的最近邻生成少数类的新示例，并且可以处理分类变量

用法

smotenc(df, var, k = 5, over_ratio = 1)

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。

值

data.frame 或 tibble，具体取决于 df 的类型。

细节

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。列可以是数字列和分类列，不丢失数据。

参考

Chawla, N. V.、Bowyer, K. W.、Hall, L. O. 和 Kegelmeyer, W. P. (2002)。 Smote：合成少数过采样技术。人工智能研究杂志，16：321-357。

也可以看看

例子

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

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

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

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