<\/p>\n
Spesso quando si lavora conalgoritmi di classificazione<\/a> dell’apprendimento automatico, le classi nel set di dati saranno sbilanciate.<\/span><\/span><\/p>\n Per esempio:<\/span><\/p>\n A causa di queste classi sbilanciate, il modello predittivo costruito potrebbe non funzionare bene sulla classe minoritaria.<\/span><\/p>\n Peggio ancora, la classe minoritaria \u00e8 spesso quella che pi\u00f9 desideriamo prevedere.<\/span><\/p>\n Un modo per risolvere questo problema di squilibrio \u00e8 utilizzare la tecnica del sovracampionamento delle minoranze sintetiche<\/strong> , spesso abbreviata SMOTE<\/strong> .<\/span><\/p>\n Questa tecnica prevede la creazione di un nuovo set di dati sovracampionando le osservazioni della classe minoritaria, che produce un set di dati con classi pi\u00f9 bilanciate.<\/span><\/p>\n Il modo pi\u00f9 semplice per utilizzare SMOTE in R \u00e8 utilizzare la funzione SMOTE()<\/strong> dal pacchetto DMwR<\/strong> .<\/span><\/p>\n Questa funzione utilizza la seguente sintassi di base:<\/span><\/span><\/p>\n Oro:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente set di dati con 100 osservazioni<\/a> in R in cui 90 hanno una classe “S\u00ec” e 10 hanno una classe “No” per la variabile di risposta:<\/span><\/p>\n Questo \u00e8 un classico esempio di set di dati sbilanciato perch\u00e9 la variabile di risposta che stiamo prevedendo ha 90 osservazioni con una classe “S\u00ec” e solo 10 osservazioni con una classe “No”.<\/span><\/span><\/p>\n Per creare un set di dati pi\u00f9 bilanciato, possiamo utilizzare la funzione SMOTE()<\/strong> dal pacchetto DMwR<\/strong> :<\/span><\/p>\n Il set di dati risultante contiene 210 osservazioni con “No” come classe e 800 osservazioni con “S\u00ec” come classe.<\/span><\/p>\n Ecco esattamente come la funzione SMOTE ha prodotto questo nuovo set di dati:<\/span><\/p>\n Il risultato finale \u00e8 un set di dati che contiene ancora pi\u00f9 classi maggioritarie, ma \u00e8 comunque pi\u00f9 equilibrato rispetto al set di dati originale.<\/span><\/p>\n Ora puoi adattare l’algoritmo di classificazione di tua scelta a questo nuovo set di dati, che dovrebbe funzionare meglio sulla classe di minoranza poich\u00e9 ci sono pi\u00f9 osservazioni dalla classe di minoranza in questo nuovo set di dati.<\/span><\/p>\n Nota<\/strong> : sentiti libero di giocare con gli argomenti perc.over<\/strong> e perc.under<\/strong> nella funzione SMOTE per ottenere un set di dati adatto alle tue esigenze.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come creare tabelle di riepilogo in R<\/a> Spesso quando si lavora conalgoritmi di classificazione dell’apprendimento automatico, le classi nel set di dati saranno sbilanciate. Per esempio: Un set di dati contenente informazioni sull’eventuale arruolamento o meno di giocatori universitari nell’NBA potrebbe avere il 98% dei giocatori non arruolati e il 2% in fase di arruolamento. Un set di dati contenente informazioni sulla […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
SMOTE(form, data, perc. over<\/span> = 200<\/span> , perc. under<\/span> = 200<\/span> , ...)\n<\/strong><\/pre>\n\n
Esempio: come utilizzare SMOTE in R<\/strong><\/span><\/h3>\n
#make this example reproducible\n<\/span>set. seed<\/span> ( 0<\/span> )\n\n#create data frame with one response variable and two predictor variables\n<\/span>df <- data. frame<\/span> (y=rep(as. factor<\/span> (c(' Yes<\/span> ', ' No<\/span> ')), times=c( 90<\/span> , 10<\/span> )),\n x1=rnorm( 100<\/span> ),\n x2=rnorm( 100<\/span> ))\n\n#view first six rows of data frame\n<\/span>head(df)\n\n y x1 x2\n1 Yes 1.2629543 0.7818592\n2 Yes -0.3262334 -0.7767766\n3 Yes 1.3297993 -0.6159899\n4 Yes 1.2724293 0.0465803\n5 Yes 0.4146414 -1.1303858\n6 Yes -1.5399500 0.5767188\n \n#view distribution of response variable\n<\/span>table(df$y)\n\n Drowned \n 10 90<\/strong><\/pre>\n library<\/span> ( DMwR)\n\n<\/span>#use SMOTE to create new dataset that is more balanced\n<\/span>new_df <- SMOTE(y ~ ., df, perc. over<\/span> = 2000<\/span> , perc. under<\/span> = 400<\/span> )\n\n#view distribution of response variable in new dataset\n<\/span>table(new_df$y)\n\n Drowned \n210,800\n<\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come normalizzare i dati in R<\/a>
Come rimuovere gli outlier in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"