对于稀有类的比例从 30%（稀有）到 5%（稀有）不等的不同不平衡数据集，定义Perc.Over和Perc.UnderinSMOTE方法的最佳方法是DMwR什么？

目前我正在使用这个公式：

Over = ( (0.6 * COMMON_NO) - RARE_NO ) / RARE_NO

Under = (0.4 * COMMON_NO) / (RARE_NO * Over)

最后将其转换为百分比：

Over_Perc = round(Over, 1) * 100

Under_Perc = round(Under, 1) * 100

然后将其提供给 SMOTE，如下所示：

newData <- SMOTE(Label ~., df, perc.over=Over_Perc, perc.under=Under_Perc)

问题是，如果训练集中有 30% 的稀有数据，则在不使用的情况下进行分类SMOTE会比使用SMOTE! 虽然通过在训练集中拥有 5%-20% 的稀有数据，使用SMOTE，分类算法提供了更好的性能，

ps 我正在使用 Matthew 的相关性和 AUC 进行性能测量。