我正在训练一种机器学习算法来对时间序列中的向上/向下趋势进行分类，并且我正在使用不平衡的特征集。似乎有必要平衡数据，因为该算法可以学习对特定趋势的偏见，但这是以非代表性数据集为代价的。我应该平衡我的数据吗？如果是这样，随机欠采样是正确的方法吗？
什么时候应该平衡时间序列数据集？
数据挖掘
机器学习
分类
时间序列
阶级失衡
2021-09-18 05:06:40
1个回答
如果您可以更改Loss function算法，这将非常有帮助，因此您不需要对数据进行下采样。引入了许多有用的指标来评估不平衡数据集的分类方法的性能。其中一些是Kappa、CEN、MCEN、MCC和DP。
免责声明：
如果您使用 python，PyCM模块可以帮助您找出这些指标。
这是一个从该模块获取推荐参数的简单代码：
>>> from pycm import *
>>> cm = ConfusionMatrix(matrix={"Class1": {"Class1": 1, "Class2":2}, "Class2": {"Class1": 0, "Class2": 5}})
>>> print(cm.recommended_list)
["Kappa", "SOA1(Landis & Koch)", "SOA2(Fleiss)", "SOA3(Altman)", "SOA4(Cicchetti)", "CEN", "MCEN", "MCC", "J", "Overall J", "Overall MCC", "Overall CEN", "Overall MCEN", "AUC", "AUCI", "G", "DP", "DPI", "GI"]
之后，您想用作损失函数的每个参数都可以按如下方式使用：
>>> y_pred = model.predict #the prediction of the implemented model
>>> y_actu = data.target #data labels
>>> cm = ConfusionMatrix(y_actu, y_pred)
>>> loss = cm.Kappa #or any other parameter (Example: cm.SOA1)
其它你可能感兴趣的问题