如何从Weka中的数据集中删除百分比但保持课程平衡？

Question

我有一个数据集，包含来自A类的50％实例和B类的50％实例。我想将我的数据集分成一个训练集和一个测试集。我知道RemovePercentage过滤器存在，但它不关心类平衡。我如何从我的数据集中删除35％，但仍然保持训练集中的50/50类分布？

Answer 1

好吧，我发现使用过滤StratifiedRemoveFolds道：

步骤1

打开你的数据在Weka的浏览器设置，并选择监督实例过滤StratifiedRemoveFolds。

步骤2

决定你想为你的训练和测试集的大小。如果您希望自己的尺寸相同，请选择numFolds 2.应用过滤器。这将生成一个包含原始集合中50％数据的数据集。 （如果你想67个％列车数据和33％的测试数据然后挑选3 numFolds）

步骤3

保存此生成设定为F.E. “train.arff”。当第一组保存时，您必须撤消该操作，以便您返回完整的数据集。

步骤4

点击StratifiedRemoveFolds过滤器，从错误更改参数invertSelection为True。现在，当您应用该过滤器时，将会像第2步一样生成一个集合，但它将包含另一个50％的数据集合。

步骤5

保存此为“test.arff **。现在你有一列火车和测试集，尊重你的职业平衡。

Answer 2

看看Stratified删除折叠。它力求保持原始的类别分布。 http://weka.sourceforge.net/doc.stable/weka/filters/supervised/instance/StratifiedRemoveFolds.html