不平衡的数据集是分类问题的一个很好的描述问题。
然而，对于回归，可能会出现类似的问题。一个例子是目标变量具有非常不规则的直方图的数据集。
在对此类数据拟合模型时，主要关注点将集中在值 120 附近的峰值上。但是，我想创建一个在 40 到 160 的整个区间内工作的模型。
- 您通常会如何处理这些问题？
- 您是否知道有关此主题的任何文献？
- 平衡数据集是一种好方法吗？如何实现？
平衡回归问题的数据集
数据挖掘
回归
阶级失衡
2022-02-22 16:47:03
1个回答
首先，您绘制的直方图是边际分布的直方图。一旦您对变量进行回归，残差可能看起来非常好。线性回归是以变量 X 为条件对 Y 的估计；因此，为了确定分布是否合适，您检查假定为高斯的残差。
如果您的数据在区间之间有界，一种方法是使用 beta 回归对其进行建模。如果数据被限制为正数，假设伽马分布也可以。但是，您必须在事后检查诊断图以确保您所做的分布假设是正确的。
参见 Ferrari 的 Beta Regression、Smithson '06 的 A Better Lemon Squeezer 和 Faraway 的扩展一般线性模型。此外，对于回归模型的贝叶斯实现，您可以查看 Gelman 的书。
其它你可能感兴趣的问题