Machine learning 不平衡分类：过采样与缩放特征的顺序？
当使用不平衡数据集（例如欺诈检测）执行分类（例如，逻辑回归）时，最好是在对少数类进行过度采样之前对特征进行缩放/zscore/标准化，还是在缩放特征之前对类进行平衡 其次，这些步骤的顺序是否会影响最终解释特征的方式（当使用所有数据（缩放+平衡）来训练最终模型时） 下面是一个例子： 首先缩放：Machine learning 不平衡分类：过采样与缩放特征的顺序？,machine-learning,classification,logistic-regression,Machine Learning,Classification,Logistic Regression,当使用不平衡数据集（例如欺诈检测）执行分类（例如，逻辑回归）时，最好是在对少数类进行过度采样之前对特征进行缩放/zscore/标准化，还是在缩放特征之前对类进行平衡 其次，这些步骤的顺序是否会影响最终解释特征的方式（当使用所有数据（缩放+平衡）来训练最终模型时） 下面是一个例子： 首先缩放： 将数据拆分为序列/测试折叠 使用所有培训（不平衡）数据计算平均值/std；使用这些计算缩放训练数据 在培训数据中对少数班级进行过采样（例如，使用SMOTE） 用logistic回归模型拟合训练数据 使用平均
您可能暗示了这一点，但您也需要应用mean/std来缩放训练数据，这需要在拟合模型之前进行 除了这一点，没有一个明确的答案。最好的办法是两种方法都尝试一下，看看哪种方法最适合您的数据 对于您自己对结果数据的模型的理解，您可能希望计算少数类和多数类的平均值和标准偏差。如果他们有相似的统计数据，那么我们就不会期望规模优先和样本优先之间有太大的差异 如果平均值和标准偏差非常不同，结果可能会显著不同。但这也可能意味着问题有更大的分离，并且你可能期望更高的分类精度