?平時很多分類問題都會面對樣本不均衡的問題，很多算法在這種情況下分類效果都不夠理想。類不平衡（class-imbalance）是指在訓練分類器中所使用的訓練集的類別分布不均。比如說一個二分類問題，1000個訓練樣本，比較理想的情況是正類、負類樣本的數(shù)量相差不多；而如果正類樣本有995個、負類樣本僅5個，就意味著存在類不平衡。把樣本數(shù)量過少的類別稱為“少數(shù)類”。

? ? ? ? SMOTE算法的思想是合成新的少數(shù)類樣本，合成的策略是對每個少數(shù)類樣本a，從它的最近鄰中隨機選一個樣本b，然后在a、b之間的連線上隨機選一點作為新合成的少數(shù)類樣本。如圖所示：

算法流程：

????????1、對于少數(shù)類中每一個樣本a，以歐氏距離為標準計算它到少數(shù)類樣本集中所有樣本的距離，得到其k近鄰。

????????2、根據(jù)樣本不平衡比例設置一個采樣比例以確定采樣倍率N，對于每一個少數(shù)類樣本a，從其k近鄰中隨機選擇若干個樣本，假設選擇的近鄰為b。

????????3、對于每一個隨機選出的近鄰b，分別與原樣本a按照如下的公式構建新的樣本:c=a+rand(0,1)?|a?b|

作者：owolf
鏈接：https://www.jianshu.com/p/9a68934d1f56
來源：簡書
著作權歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權，非商業(yè)轉(zhuǎn)載請注明出處。

總結

以上是生活随笔為你收集整理的过采样中用到的SMOTE算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。