用mlr3处理阶级不平衡

最近有人建议我将机器学习框架改为mlr3。但我发现转变比我一开始想象的要困难一些。在我当前的项目中，我正在处理高度不平衡的数据，我希望在训练我的模型之前平衡这些数据。我已经了解了本教程，它解释了如何通过管道和图形处理不平衡：

我担心这种方法也会使用新的数据进行类平衡。为什么我要这样做并减少我的测试样本

因此，有两个问题正在上升：

我在测试数据中不平衡类对吗

如果是，在mlr3中是否有这样做的方法

当然，我可以手动将训练数据子集，然后自己处理不平衡问题，但这不再有趣了！：）

不管怎样，谢谢你的回答，

---

干杯

要回答您的问题：

我担心这种方法也会使用新的数据进行类平衡

这不对，你从哪里弄来的

我在测试数据中不平衡类对吗

类平衡通常通过添加或删除行（或调整权重）来实现。所有这些步骤都不应该在预测步骤中应用，因为我们希望数据中的每一行正好有一个预测值。另一方面，权重在预测阶段通常没有影响。 你的假设是正确的

如果是，在mlr3中是否有这样做的方法

只需使用博客文章中描述的

PipeOp

。 在训练期间，它将执行指定的过采样或欠采样，而在预测期间它不执行任何操作

---

干杯，

回答您的问题：

我担心这种方法也会使用新的数据进行类平衡

这不对，你从哪里弄来的

我在测试数据中不平衡类对吗

类平衡通常通过添加或删除行（或调整权重）来实现。所有这些步骤都不应该在预测步骤中应用，因为我们希望数据中的每一行正好有一个预测值。另一方面，权重在预测阶段通常没有影响。 你的假设是正确的

如果是，在mlr3中是否有这样做的方法

只需使用博客文章中描述的

PipeOp

。 在训练期间，它将执行指定的过采样或欠采样，而在预测期间它不执行任何操作

---

干杯，

这只是我的假设。如果您查看mlr3 book（）中的图表，看起来graph learner的每个部分都是在新数据中处理的。类平衡是一个异常，还是我理解不正确？

PipeOp

s在

train

和

test

期间以正确的步骤实施。因此，在这种情况下，您的假设是不正确的。请参阅以获取参考。在

predict

过程中，

PipeOp

只传递它的输入。太棒了，感谢您的详细解释！非常感谢。这只是我的假设。如果您查看mlr3 book（）中的图表，看起来graph learner的每个部分都是在新数据中处理的。类平衡是一个异常，还是我理解不正确？

PipeOp

s在

train

和

test

期间以正确的步骤实施。因此，在这种情况下，您的假设是不正确的。请参阅以获取参考。在

predict

过程中，

PipeOp

只传递它的输入。太棒了，感谢您的详细解释！非常感谢。