<\/p>\n
Muitas vezes, ao trabalhar com algoritmos de classifica\u00e7\u00e3o<\/a> de aprendizado de m\u00e1quina, as classes no conjunto de dados ficam desequilibradas.<\/span><\/span><\/p>\n Por exemplo:<\/span><\/p>\n Devido a essas classes desequilibradas, o modelo preditivo constru\u00eddo pode n\u00e3o funcionar bem na classe minorit\u00e1ria.<\/span><\/p>\n Pior ainda, a classe minorit\u00e1ria \u00e9 muitas vezes aquela que mais queremos prever.<\/span><\/p>\n Uma maneira de resolver esse problema de desequil\u00edbrio \u00e9 usar a t\u00e9cnica de sobreamostragem minorit\u00e1ria sint\u00e9tica<\/strong> , geralmente abreviada como SMOTE<\/strong> .<\/span><\/p>\n Esta t\u00e9cnica envolve a cria\u00e7\u00e3o de um novo conjunto de dados por meio da sobreamostragem de observa\u00e7\u00f5es da classe minorit\u00e1ria, o que produz um conjunto de dados com classes mais equilibradas.<\/span><\/p>\n A maneira mais f\u00e1cil de usar SMOTE em R \u00e9 usar a fun\u00e7\u00e3o SMOTE()<\/strong> do pacote DMwR<\/strong> .<\/span><\/p>\n Esta fun\u00e7\u00e3o usa a seguinte sintaxe b\u00e1sica:<\/span><\/span><\/p>\n Ouro:<\/span><\/p>\n O exemplo a seguir mostra como usar esta fun\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte conjunto de dados com 100 observa\u00e7\u00f5es<\/a> em R em que 90 t\u00eam uma classe \u201cSim\u201d e 10 t\u00eam uma classe \u201cN\u00e3o\u201d para a vari\u00e1vel de resposta:<\/span><\/p>\n Este \u00e9 um exemplo cl\u00e1ssico de conjunto de dados desequilibrado porque a vari\u00e1vel de resposta que estamos prevendo tem 90 observa\u00e7\u00f5es com classe \u201cSim\u201d e apenas 10 observa\u00e7\u00f5es com classe \u201cN\u00e3o\u201d.<\/span><\/span><\/p>\n Para criar um conjunto de dados mais balanceado, podemos usar a fun\u00e7\u00e3o SMOTE()<\/strong> do pacote DMwR<\/strong> :<\/span><\/p>\n O conjunto de dados resultante cont\u00e9m 210 observa\u00e7\u00f5es com \u201cN\u00e3o\u201d como classe e 800 observa\u00e7\u00f5es com \u201cSim\u201d como classe.<\/span><\/p>\n Veja exatamente como a fun\u00e7\u00e3o SMOTE produziu esse novo conjunto de dados:<\/span><\/p>\n O resultado final \u00e9 um conjunto de dados que ainda cont\u00e9m mais classes majorit\u00e1rias, mas ainda \u00e9 mais equilibrado do que o conjunto de dados original.<\/span><\/p>\n Agora voc\u00ea pode adaptar o algoritmo de classifica\u00e7\u00e3o de sua escolha a este novo conjunto de dados, que dever\u00e1 ter melhor desempenho na classe minorit\u00e1ria, uma vez que h\u00e1 mais observa\u00e7\u00f5es da classe minorit\u00e1ria neste novo conjunto de dados.<\/span><\/p>\n Nota<\/strong> : Sinta-se \u00e0 vontade para brincar com os argumentos perc.over<\/strong> e perc.under<\/strong> na fun\u00e7\u00e3o SMOTE para obter um conjunto de dados que atenda \u00e0s suas necessidades.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como criar tabelas de resumo em R<\/a> Muitas vezes, ao trabalhar com algoritmos de classifica\u00e7\u00e3o de aprendizado de m\u00e1quina, as classes no conjunto de dados ficam desequilibradas. Por exemplo: Um conjunto de dados contendo informa\u00e7\u00f5es sobre se os jogadores universit\u00e1rios s\u00e3o ou n\u00e3o convocados para a NBA pode ter 98% dos jogadores n\u00e3o convocados e 2% sendo convocados. Um conjunto de dados […]<\/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-3061","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
SMOTE(form, data, perc. over<\/span> = 200<\/span> , perc. under<\/span> = 200<\/span> , ...)\n<\/strong><\/pre>\n\n
Exemplo: como usar SMOTE em 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
Recursos adicionais<\/strong><\/span><\/h3>\n
Como normalizar dados em R<\/a>
Como remover outliers em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"