代码之家 › 专栏 › 技术社区 › user3115933

如何从不平衡数据创建新的平衡数据帧确保随机选择记录?

machine-learning dataframe r

0

user3115933 · 技术社区 · 7 年前

我有一个称为 df1 它将用于 machine learning 分析。

基于目标变量( Attrition ),数据帧是:否的比率等于60:40

我需要重新创建一个新的数据帧所以Yes/No的目标变量是50:50

我的挑战是我想把所有的记录保存在 损耗 =不(即 )在我的新数据帧中,我希望R从 损耗 df1型 .

df2 ,我该怎么做?

3 回复 | 直到 7 年前

1

RLave 7 年前

前60:40是不是

但您可以使用 caret 包裹:

library(caret)
set.seed(123)
# this downsamples the majority class
df2 <- downSample(x = df1[, -which(colnames(df1)=="Attrition")], 
                         y = df1$Attrition)

#this upsamples the minority class
df2 <- upSample(x = df1[, -which(colnames(df1)=="Attrition")], # supposing that Attrition is the last column in df1 
                         y = df1$Attrition)

见 here

2

milan 7 年前

添加了一个示例。

set.seed(1); df1 <- data.frame(Attrition=c(rep('No', 40), rep('Yes', 60)), val=rnorm(100))
dfNo <- df1[df1$Attrition=='No',]
dfYes <-  df1[df1$Attrition=='Yes',]
dfYes <- dfYes[sample(nrow(dfYes), 40),]
cbind(dfNo, dfYes)

3

1

Sal-laS 7 年前

我希望你也考虑这个

数据生成:

att<-as.character( c(unlist(rep("NO",60)),unlist(rep("YES",40))))
dt<-data.frame(ID=c(1:100),Attrition=att)
dim(dt)

得到“是”的观察结果

YESdt<-subset(dt,Attrition=="YES",  )  # Get Yes observations
sample(1:nrow(YESdt),nrow(dt)/10)   # Randomly select 10%

将YESs更新为NOs

YESdt[sample(1:nrow(YESdt),nrow(YESdt)/10),2]<-"NO"

生成新数据集:

NOdt<-subset(dt,Attrition=="NO",  )  # Get Yes observations
newDT<-rbind(YESdt,NOdt)

nrow(newDT)