Statistics 数据挖掘与不平衡类

我有不平衡的记录类别，数据如下：

X   Y   Z            Class
1   4   Good           A
3   5   Very Good      A
7   6   Good           A
8   7   Excellent      A
4   8   Pass           A
3   7   Good           A
34  6   Good           A
1   5   Very Good      A
4   3   Excellent      B
4   4   Excellent      B

我想预测班级：

什么是最好的数据挖掘技术

我使用了决策树，但不幸的是，我遇到了记录不平衡的问题，无法对数据进行分类

---

我建议研究SMOTE（合成少数过采样技术）。此技术通过替换从训练数据集中的少数实例集中随机选择。然后将这些选定实例作为副本添加到训练数据集中，从而产生更平衡的类，从而防止分类器学习仅预测大多数类

根据您使用的软件或模块，以及是否需要专门使用决策树，可能还有其他选项。例如，支持向量机（同样取决于所使用的软件或模块）通常具有指定特定类别成本的能力。为了解决您所涉及的问题，您可以简单地为少数类指定更高的成本（即惩罚）

---

希望有帮助

决策树可以很好地处理不平衡数据。事实上，每一次分裂，他们都试图最大化不平衡（又名：纯度）。