weka中的不平衡数据集？不行

Question

我有一个积极的数据集239和负数据集32的数量，因为它的癌症相关数据我们只有很少的负集。现在，在应用分类时，确保不平衡数据集因为数量庞大而偏向于积极因素。所以我尝试在weka中应用SMOTE。我也试过各种百分比和最近的邻居。令我惊讶的是，而不是负面的类增加了一些实例，并且积极的增加进一步使得不平衡的数据集太偏向了。可以做些什么来克服这一点。并建议我一些其他方法？如果有的话

对于初步研究，我们使用LIBSVM和RBF作为分类器

Answer 1

在这个不平衡的数据集问题中，我建议使用分层，它涉及对少数类进行过采样或对多数类进行下采样。您可以使用成本敏感分类来模拟WEKA中的分层。

您可以使用两个分类器MetaCost和CostSensitiveClassifier。唯一的问题是成本矩阵中的最优值只能通过试验获得。根据经验，您可以尝试使用与类分布相反的权重来平衡类分布。在您的情况下，这意味着在成本矩阵中为假阳性和假阴性分配成本239。