使用有偏数据集训练决策树答案

【问题标题】：Training decision tree with biased data set使用有偏数据集训练决策树
【发布时间】：2016-08-09 00:09:24
【问题描述】：

我是数据挖掘的新手，我正在尝试训练决策树，但我选择的数据集非常有偏差，因此我得到的结果也有偏差。我在网上搜索过，我遇到了平衡的准确性。我对结果不满意。

如果我以平均比例的方式对数据集进行采样，例如YES 的 1000 个案例和 NO 的 1000 个案例，这会是一个好主意吗？

【问题讨论】：

【解决方案1】：

您还可以在建模时给出权重。您可以为少数类分配更高的权重，它将补偿不平衡。

【讨论】：

【解决方案2】：

处理类不平衡的一种方法是对较大的类进行欠采样，以使类分布大约为一半。

您的问题的答案是肯定的，前提是 1000 是较小类的大小，这样您丢失的较大类数据点就会更少。

注意：在选择大类数据点时，尽量省略那些缺失值较多的数据点。

【讨论】：