以下是我的问题的简要说明:
我绘制了几个分类器的 ROC 图，所有分类器的 AUC 都很好，这意味着分类很好。但是，当我测试分类器并计算 f 度量时，我得到的值非常低。我知道这个问题是由数据集的类偏斜引起的，到目前为止，我发现了两种解决方法:
我选择了第一个选项，这解决了我的问题(f-measure 令人满意)。但是，现在，我的问题是:这些方法中哪一种更可取？又有什么区别？
P.S:我正在使用 Python 和 scikit-learn 库。
最佳答案
加权(成本敏感型)和阈值化都是成本敏感型学习的有效形式。简而言之，您可以将两者视为如下:
本质上，一个人断言错误分类稀有类的“成本”比错误分类普通类更糟糕。这应用于算法级别，用于 SVM、ANN 和随机森林等算法。这里的限制包括算法是否可以处理权重。此外，这一点的许多应用都试图解决进行更严重错误分类的想法(例如，将患有胰腺癌的人归类为非癌症)。在这种情况下，您知道为什么要确保对特定类别进行分类，即使在不平衡的环境中也是如此。理想情况下，您希望像优化任何其他模型参数一样优化成本参数。
如果算法返回概率(或其他分数)，则可以在构建模型后应用阈值。本质上，您将分类阈值从 50-50 更改为适当的权衡级别。这通常可以通过生成评估指标的曲线(例如 F-measure)来优化。这里的限制是你在做绝对的权衡。对截止值的任何修改都会反过来降低预测其他类别的准确性。如果您的大多数常见类的概率都非常高(例如，大多数高于 0.85)，那么您更有可能通过这种方法获得成功。它也是独立于算法的(假设算法返回概率)。
抽样是应用于不平衡数据集的另一个常见选项，可以为类分布带来一些平衡。基本上有两种基本方法。
欠采样
提取较小的多数实例集并保留少数实例。这将导致更小的数据集，其中类之间的分布更接近；但是，您丢弃了可能有值(value)的数据。如果您有大量数据，这也很有用。
过采样
通过复制少数实例来增加它们的数量。这将导致更大的数据集保留所有原始数据，但可能会引入偏差。但是，随着大小的增加，您也可能会开始影响计算性能。
高级方法
还有其他更“复杂”的方法可以帮助解决潜在的偏见。其中包括 SMOTE 等方法。 , SMOTEBoost和 EasyEnsemble如本 prior question 中所引用关于不平衡数据集和 CSL。
关于使用不平衡数据构建模型的另一个注意事项是，您应该牢记您的模型指标。例如，诸如 F-measures 之类的指标没有考虑到真正的否定率。因此，通常建议在不平衡的设置中使用 Cohen’s kappa metric 等指标。 .
关于python - 处理二元分类中的类不平衡，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26221312/
总的来说，我对ruby还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用
我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时
作为我的Rails应用程序的一部分，我编写了一个小导入程序，它从我们的LDAP系统中吸取数据并将其塞入一个用户表中。不幸的是，与LDAP相关的代码在遍历我们的32K用户时泄漏了大量内存，我一直无法弄清楚如何解决这个问题。这个问题似乎在某种程度上与LDAP库有关，因为当我删除对LDAP内容的调用时，内存使用情况会很好地稳定下来。此外，不断增加的对象是Net::BER::BerIdentifiedString和Net::BER::BerIdentifiedArray，它们都是LDAP库的一部分。当我运行导入时，内存使用量最终达到超过1GB的峰值。如果问题存在，我需要找到一些方法来更正我的代
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情？ 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中，使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件，我们在StackOverflow上找到一个类似的问题
Rackup通过Rack的默认处理程序成功运行任何Rack应用程序。例如:classRackAppdefcall(environment)['200',{'Content-Type'=>'text/html'},["Helloworld"]]endendrunRackApp.new但是当最后一行更改为使用Rack的内置CGI处理程序时，rackup给出“NoMethodErrorat/undefinedmethod`call'fornil:NilClass”:Rack::Handler::CGI.runRackApp.newRack的其他内置处理程序也提出了同样的反对意见。例如Rack
我需要从一个View访问多个模型。以前，我的links_controller仅用于提供以不同方式排序的链接资源。现在我想包括一个部分(我假设)显示按分数排序的顶级用户(@users=User.all.sort_by(&:score))我知道我可以将此代码插入每个链接操作并从View访问它，但这似乎不是“ruby方式”，我将需要在不久的将来访问更多模型。这可能会变得很脏，是否有针对这种情况的任何技术？注意事项:我认为我的应用程序正朝着单一格式和动态页面内容的方向发展，本质上是一个典型的网络应用程序。我知道before_filter但考虑到我希望应用程序进入的方向，这似乎很麻烦。最终从任何
我在我的项目中添加了一个系统来重置用户密码并通过电子邮件将密码发送给他，以防他忘记密码。昨天它运行良好(当我实现它时)。当我今天尝试启动服务器时，出现以下错误。=>BootingWEBrick=>Rails3.2.1applicationstartingindevelopmentonhttp://0.0.0.0:3000=>Callwith-dtodetach=>Ctrl-CtoshutdownserverExiting/Users/vinayshenoy/.rvm/gems/ruby-1.9.3-p0/gems/actionmailer-3.2.1/lib/action_mailer
刚入门rails，开始慢慢理解。有人可以解释或给我一些关于在application_controller中编码的好处或时间和原因的想法吗？有哪些用例。您如何为Rails应用程序使用应用程序Controller？我不想在那里放太多代码，因为据我了解，每个请求都会调用此Controller。这是真的？ 最佳答案 ApplicationController实际上是您应用程序中的每个其他Controller都将从中继承的类(尽管这不是强制性的)。我同意不要用太多代码弄乱它并保持干净整洁的态度，尽管在某些情况下ApplicationContr
如何匹配未被反斜杠转义的平衡定界符对(其本身未被反斜杠转义)(无需考虑嵌套)？例如对于反引号，我试过了，但是转义的反引号没有像转义那样工作。regex=/(?!$1:"how\\"#expected"how\\`are"上面的正则表达式不考虑由反斜杠转义并位于反引号前面的反斜杠，但我愿意考虑。StackOverflow如何做到这一点？这样做的目的并不复杂。我有文档文本，其中包括内联代码的反引号，就像StackOverflow一样，我想在HTML文件中显示它，内联代码用一些spanMaterial装饰。不会有嵌套，但转义反引号或转义反斜杠可能出现在任何地方。
