如何從Weka中的數據集中刪除百分比但保持課程平衡？

Question

我有一個數據集，包含來自A類的50％實例和B類的50％實例。我想將我的數據集分成一個訓練集和一個測試集。我知道RemovePercentage過濾器存在，但它不關心類平衡。我如何從我的數據集中刪除35％，但仍然保持訓練集中的50/50類分佈？

Answer 1

好吧，我發現使用過濾StratifiedRemoveFolds道：

步驟1

打開你的數據在Weka的瀏覽器設置，並選擇監督實例過濾StratifiedRemoveFolds。

步驟2

決定你想爲你的訓練和測試集的大小。如果您希望自己的尺寸相同，請選擇numFolds 2.應用過濾器。這將生成一個包含原始集合中50％數據的數據集。 （如果你想67個％列車數據和33％的測試數據然後挑選3 numFolds）

步驟3

保存此生成設定爲F.E. 「train.arff」。當第一組保存時，您必須撤消該操作，以便您返回完整的數據集。

步驟4

點擊StratifiedRemoveFolds過濾器，從錯誤更改參數invertSelection爲True。現在，當您應用該過濾器時，將會像第2步一樣生成一個集合，但它將包含另一個50％的數據集合。

步驟5

保存此爲「test.arff **。現在你有一列火車和測試集，尊重你的職業平衡。

Answer 2

看看Stratified刪除摺疊。它力求保持原始的類別分佈。 http://weka.sourceforge.net/doc.stable/weka/filters/supervised/instance/StratifiedRemoveFolds.html