Statistiche e Big Data unbalanced-classes

2

Comprendo che la misura f (basata su precisione e richiamo) è una stima della precisione di un classificatore. Inoltre, quando si dispone di un set di dati non bilanciato, si preferisce la misura f rispetto alla precisione . Ho una semplice domanda (che riguarda più l'uso corretto della terminologia che …

11 machine-learning classification data-mining unbalanced-classes accuracy

1

Curve ROC per set di dati non bilanciati

Considera una matrice di input e un'uscita binaria .XXXyyy Un modo comune per misurare le prestazioni di un classificatore è utilizzare le curve ROC. In un diagramma ROC la diagonale è il risultato che verrebbe ottenuto da un classificatore casuale. In caso di uscita sbilanciata possibile migliorare le prestazioni di …

10 classification roc unbalanced-classes

1

SMOTE genera un errore per un problema di squilibrio multi classe

Sto cercando di usare SMOTE per correggere lo squilibrio nel mio problema di classificazione multi-classe. Sebbene SMOTE funzioni perfettamente sul set di dati dell'iride secondo il documento della guida di SMOTE, non funziona su un set di dati simile. Ecco come appaiono i miei dati. Nota che ha tre classi …

10 r classification unbalanced-classes oversampling

1

Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda

Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …

9 machine-learning deep-learning natural-language tensorflow sampling distance non-independent application regression machine-learning logistic mixed-model control-group crossover r multivariate-analysis ecology procrustes-analysis vegan regression hypothesis-testing interpretation chi-squared bootstrap r bioinformatics bayesian exponential beta-distribution bernoulli-distribution conjugate-prior distributions bayesian prior beta-distribution covariance naive-bayes smoothing laplace-smoothing distributions data-visualization regression probit penalized estimation unbiased-estimator fisher-information unbalanced-classes bayesian model-selection aic multiple-regression cross-validation regression-coefficients nonlinear-regression standardization naive-bayes trend machine-learning clustering unsupervised-learning wilcoxon-mann-whitney z-score econometrics generalized-moments method-of-moments machine-learning conv-neural-network image-processing ocr machine-learning neural-networks conv-neural-network tensorflow r logistic scoring-rules probability self-study pdf cdf classification svm resampling forecasting rms volatility-forecasting diebold-mariano neural-networks prediction-interval uncertainty

1

Sovracampionamento con variabili categoriali

Vorrei eseguire una combinazione di sovracampionamento e sottocampionamento al fine di bilanciare il mio set di dati con circa 4000 clienti suddivisi in due gruppi, in cui uno dei gruppi ha una percentuale di circa il 15%. Ho esaminato SMOTE ( http://www.inside-r.org/packages/cran/DMwR/docs/SMOTE ) e ROSE ( http://cran.r-project.org/web/packages/ROSE/ ROSE.pdf ), ma …

9 unbalanced-classes resampling oversampling

1

soglia di classificazione in RandomForest-sklearn

1) Come posso modificare la soglia di classificazione (penso che sia di default 0,5) in RandomForest in sklearn? 2) come posso sottocampionare in sklearn? 3) Ho il seguente risultato dal classificatore RandomForest: [[1635 1297] [520 3624]] precision recall f1-score support class 0 0.76 0.56 0.64 2932 class 1 0.74 0.87 …

9 classification random-forest precision-recall unbalanced-classes

1

Il modo migliore per gestire un set di dati multiclasse non bilanciato con SVM

Sto cercando di costruire un modello di previsione con SVM su dati abbastanza sbilanciati. Le mie etichette / output hanno tre classi, positiva, neutra e negativa. Direi che l'esempio positivo rende circa il 10-20% dei miei dati, neutro circa il 50-60% e negativo circa il 30-40%. Sto cercando di bilanciare …

9 machine-learning predictive-models svm unbalanced-classes

Domande taggate «unbalanced-classes»