通过随机森林和神经网络人工增加回归训练数据

Question

我们正在尝试根据它们的属性值来预测销售数量。我们有大约 8000 条数据记录用于训练。通过为相同的 8000 条记录添加销售数量的小变化来增加训练数据是否正确？ 我想为这 8000 条记录准备 24000(3*8000) 条销售量 + 或 - 0.1 条记录的新训练集

例如：像原始数据 sales quantity=2 那么新数据对于同一商品将有 2,2.1 和 1.9。

Answer 1

变化的有用性取决于属性的标量。例如，如果您的特征范围是 (0-100)，则添加 +/- 0.1 是没有用的。如果是（0

我认为更好的方法是标准化您的数据 (http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.normalize.html)，然后添加变体。

如果您有分类数据，可以根据需要将它们转换为虚拟变量 (https://pandas.pydata.org/pandas-docs/stable/generated/pandas.get_dummies.html)。

Answer 2

坏主意！因为直觉上它并没有真正的帮助。它可能会不必要地过度拟合随机森林或 NN 模型。