【R机器学习】处理不平衡数据集的七种方法

文章预览

本文大体上是重现这篇文章： 最强总结，机器学习中处理不平衡数据集的五种方法！！ https://mp.weixin.qq.com/s/-HFlMvW1ctEZp9VQ1YW2og 1 不平衡数据 不平衡数据集是指在分类任务中， 不同类别的样本数量差异显著的数据集 ，通常表现为少数类样本远少于多数类样本。这样的数据集在现实生活中很常见，比如欺诈检测、医疗诊断、故障预测等场景。 不平衡数据的问题 在不平衡的数据集中，多数类别主导着模型的预测，导致少数类别的预测性能较差。 例如，如果 95% 的数据被标记为 0 类，则将所有实例预测为 0 类可获得 95% 的准确率，即使 1 类预测完全不正确。 2 不平衡数据示例 模拟一个两个特征（便于可视化）的信用卡违约数据，包含 10000 个观测，其中 95% 的客户是信用良好（ class 0 ），只有 5% 是信用不好（ class 1 ）。 library ( tidyverse ) n = 10000 set . see ………………………………