<\/p>\n
Bij het werken met machine learning- classificatiealgoritmen<\/a> zullen de klassen in de dataset vaak uit balans zijn.<\/span><\/span><\/p>\n Bijvoorbeeld:<\/span><\/p>\n Vanwege deze onevenwichtige klassen werkt het voorspellende model dat u bouwt mogelijk niet goed voor de minderheidsklasse.<\/span><\/p>\n Erger nog: de minderheidsklasse is vaak degene die we het liefst willen voorspellen.<\/span><\/p>\n E\u00e9n manier om dit onevenwichtsprobleem op te lossen is het gebruik van de synthetische minderheidsoversamplingtechniek<\/strong> , vaak afgekort SMOTE<\/strong> .<\/span><\/p>\n Deze techniek omvat het cre\u00ebren van een nieuwe dataset door observaties uit de minderheidsklasse te overbemonsteren, wat een dataset oplevert met meer gebalanceerde klassen.<\/span><\/p>\n De eenvoudigste manier om SMOTE in R te gebruiken is door de functie SMOTE()<\/strong> uit het DMwR-<\/strong> pakket te gebruiken.<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/span><\/p>\n Goud:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende dataset hebben met 100 waarnemingen<\/a> in R, waarbij 90 een klasse „Ja“ hebben en 10 een klasse „Nee“ voor de responsvariabele:<\/span><\/p>\n Dit is een klassiek voorbeeld van een ongebalanceerde dataset, omdat de responsvariabele die we voorspellen 90 waarnemingen heeft met de klasse ‚Ja‘ en slechts 10 waarnemingen met de klasse ‚Nee‘.<\/span><\/span><\/p>\n Om een meer gebalanceerde dataset te cre\u00ebren, kunnen we de SMOTE()<\/strong> functie uit het DMwR-<\/strong> pakket gebruiken:<\/span><\/p>\n De resulterende dataset bevat 210 waarnemingen met \u201cNee\u201d als klasse en 800 waarnemingen met \u201cJa\u201d als klasse.<\/span><\/p>\n Hier ziet u precies hoe de SMOTE-functie deze nieuwe dataset produceerde:<\/span><\/p>\n Het eindresultaat is een dataset die nog steeds meer meerderheidsklassen bevat, maar nog steeds evenwichtiger is dan de oorspronkelijke dataset.<\/span><\/p>\n U kunt nu het classificatiealgoritme van uw keuze aanpassen aan deze nieuwe dataset, die beter zou moeten presteren op de minderheidsklasse, omdat er meer observaties van de minderheidsklasse in deze nieuwe dataset zitten.<\/span><\/p>\n Opmerking<\/strong> : speel gerust met de perc.over-<\/strong> en perc.under-<\/strong> argumenten in de SMOTE-functie om een dataset te krijgen die aan uw behoeften voldoet.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe u samenvattende tabellen maakt in R<\/a> Bij het werken met machine learning- classificatiealgoritmen zullen de klassen in de dataset vaak uit balans zijn. Bijvoorbeeld: Een dataset met informatie over de vraag of universiteitsspelers wel of niet zijn opgeroepen voor de NBA zou ervoor kunnen zorgen dat 98% van de spelers niet wordt opgeroepen en dat 2% wordt opgeroepen. Een dataset met […]<\/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":[],"class_list":["post-3062","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
SMOTE(form, data, perc. over<\/span> = 200<\/span> , perc. under<\/span> = 200<\/span> , ...)\n<\/strong><\/pre>\n\n
Voorbeeld: SMOTE gebruiken 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
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe gegevens in R te normaliseren<\/a>
Hoe uitschieters in R te verwijderen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"