首頁 > 產(chǎn)品 > 問答 > smote算法，matlab算法是什么

smote算法，matlab算法是什么

來源：整理時(shí)間：2024-09-03 15:53:51 編輯：智能門戶手機(jī)版

本文目錄一覽

1，matlab算法是什么
2，請(qǐng)教weka軟件中其中的SMOTE算法釋義classValue
3，weka中有沒有smote算法的實(shí)現(xiàn)啊
4，C語言的switch算法
5，如何提高機(jī)器學(xué)習(xí)算法的召回率

1，matlab算法是什么

MATLAB是一個(gè)可以進(jìn)行數(shù)值計(jì)算、繪圖的軟件。它的函數(shù)含有算法。你也可以采用自己的算法在MATLAB中編程實(shí)現(xiàn)。

這是一款很強(qiáng)大的數(shù)學(xué)軟件，可以使用內(nèi)置函數(shù)，也可以自己編寫程序執(zhí)行。

matlab算法是什么

2，請(qǐng)教weka軟件中其中的SMOTE算法釋義classValue

是的,weka是開源的. 記得我用過的那個(gè)版本在安裝目錄的bin文件夾里有一個(gè)weka.jar, 解壓后得到的就是源碼. c4.5在weka里的實(shí)現(xiàn)是j48, 大致是這個(gè)路徑吧:weka.classifiers.trees.j48您可以把整個(gè)weka.jar作為外部library導(dǎo)入類似Eclipse這樣的開發(fā)環(huán)境, 這樣看源碼或者用weka的api進(jìn)行二次開發(fā)都很方便的.

不明白啊 = =！

請(qǐng)教weka軟件中其中的SMOTE算法釋義classValue

3，weka中有沒有smote算法的實(shí)現(xiàn)啊

有的，預(yù)處理階段，選擇有監(jiān)督instance

是的,weka是開源的. 記得我用過的那個(gè)版本在安裝目錄的bin文件夾里有一個(gè)weka.jar, 解壓后得到的就是源碼. c4.5在weka里的實(shí)現(xiàn)是j48, 大致是這個(gè)路徑吧:weka.classifiers.trees.j48您可以把整個(gè)weka.jar作為外部library導(dǎo)入類似eclipse這樣的開發(fā)環(huán)境, 這樣看源碼或者用weka的api進(jìn)行二次開發(fā)都很方便的.

weka中有沒有smote算法的實(shí)現(xiàn)啊

4，C語言的switch算法

不能使用 switch ,switch的表達(dá)式要與case進(jìn)行比較相等進(jìn)行下邊的操作 <0是一個(gè)bool類型的值不能與之進(jìn)行比較不管可以不可以，做這個(gè)題目都是沒有必要的

#include <stdio.h> #include <stdlib.h> #include <math.h> int x2y(int x) return y; } int main()

int change(int inputnumber){ if(inputnumber<0 ) return -1; if (inputnumber==0) return 0; else(inputnumber>0 ) return 1;}switch(change(i)){ -1:x=-1;break; 0: x=0;break; 1: x=1;break; }

switch(表達(dá)式) …… case 常量表達(dá)式n: 語句n; break; default: 語句n+1; break; } case后面是常量表達(dá)式，但是x<0和x>0,不能用常量表達(dá)式表示，所以不能用switch表示啊，用if吧

5，如何提高機(jī)器學(xué)習(xí)算法的召回率

準(zhǔn)確率和召回率是廣泛用于信息檢索和統(tǒng)計(jì)學(xué)分類領(lǐng)域的兩個(gè)度量值，用來評(píng)價(jià)結(jié)果的質(zhì)量。其中精度是檢索出相關(guān)文檔數(shù)與檢索出的文檔總數(shù)的比率，衡量的是檢索系統(tǒng)的查準(zhǔn)率；召回率是指檢索出的相關(guān)文檔數(shù)和文檔庫中所有的相關(guān)文檔數(shù)的比率，衡量的是檢索系統(tǒng)的查全率?！　∫话銇碚f，Precision就是檢索出來的條目（比如：文檔、網(wǎng)頁等）有多少是準(zhǔn)確的，Recall就是所有準(zhǔn)確的條目有多少被檢索出來了。　　正確率、召回率和 F 值是在魚龍混雜的環(huán)境中，選出目標(biāo)的重要評(píng)價(jià)指標(biāo)。不妨看看這些指標(biāo)的定義先：　　1. 正確率 = 提取出的正確信息條數(shù) / 提取出的信息條數(shù)　　2. 召回率 = 提取出的正確信息條數(shù) / 樣本中的信息條數(shù)　　兩者取值在0和1之間，數(shù)值越接近1，查準(zhǔn)率或查全率就越高。　　3. F值 = 正確率 * 召回率 * 2 / (正確率 + 召回率) （F 值即為正確率和召回率的調(diào)和平均值）　　不妨舉這樣一個(gè)例子：某池塘有1400條鯉魚，300只蝦，300只鱉?，F(xiàn)在以捕鯉魚為目的。撒一大網(wǎng)，逮著了700條鯉魚，200只蝦，100只鱉。那么，這些指標(biāo)分別如下：　　正確率 = 700 / (700 + 200 + 100) = 70%　　召回率 = 700 / 1400 = 50%　　F值 = 70% * 50% * 2 / (70% + 50%) = 58.3%　　不妨看看如果把池子里的所有的鯉魚、蝦和鱉都一網(wǎng)打盡，這些指標(biāo)又有何變化：　　正確率 = 1400 / (1400 + 300 + 300) = 70%　　召回率 = 1400 / 1400 = 100%　　F值 = 70% * 100% * 2 / (70% + 100%) = 82.35%　　由此可見，正確率是評(píng)估捕獲的成果中目標(biāo)成果所占得比例；召回率，顧名思義，就是從關(guān)注領(lǐng)域中，召回目標(biāo)類別的比例；而F值，則是綜合這二者指標(biāo)的評(píng)估指標(biāo)，用于綜合反映整體的指標(biāo)。　　當(dāng)然希望檢索結(jié)果Precision越高越好，同時(shí)Recall也越高越好，但事實(shí)上這兩者在某些情況下有矛盾的。比如極端情況下，我們只搜索出了一個(gè)結(jié)果，且是準(zhǔn)確的，那么Precision就是100%，但是Recall就很低；而如果我們把所有結(jié)果都返回，那么比如Recall是100%，但是Precision就會(huì)很低。因此在不同的場(chǎng)合中需要自己判斷希望Precision比較高或是Recall比較高。如果是做實(shí)驗(yàn)研究，可以繪制Precision-Recall曲線來幫助分析。

最近在做文本分類，遇到了一些問題，想問問大家有沒有好的方法。為了節(jié)省時(shí)間，我只采取了部分?jǐn)?shù)據(jù)來跑算法（全部數(shù)據(jù)跑了之后的結(jié)果和這個(gè)差不多）訓(xùn)練集：4837 documents測(cè)試集：2074 documents樣本比例：正樣本：負(fù)樣本 = 1：3預(yù)測(cè)結(jié)果中，有的算法在正樣本中預(yù)測(cè)的精確率還行（0.95-1.00之間），但是召回率非常差，通常只有0.01和0.02左右，kneighbors和decisiontree的精確率和召回率都是0，只有naivebayes和bernoullinb的pr和recall比較平均，但是也沒有到0.8。問題：我查了一下那些召回率較低（0.01）的算法，475個(gè)樣本中（正樣本），實(shí)際上只有5個(gè)被預(yù)測(cè)正確了的，但是具體原因沒有查出來。我想請(qǐng)問一下：1.召回率低是因?yàn)闃颖緲O度不平衡造成的嗎？（雖然我認(rèn)為1：3的比例不算極度不平衡。）2.在這種樣本不平衡的問題上，有沒有什么好的方法可以提高召回率？我試過smote方法（過采樣和欠采樣都有試過），但對(duì)于我的數(shù)據(jù)集并沒有什么好的效果，不止到有沒有有什么好的方法可以解決這個(gè)問題？謝謝！添加評(píng)論分享查看全部 11 個(gè)回答0贊同反對(duì)，不會(huì)顯示你的姓名elvin 全是細(xì)枝末節(jié)，做一個(gè)樂于分享的人兩個(gè)問題一并回答一下，根據(jù)你的描述，我覺得問題應(yīng)該不是出在正負(fù)樣本比上，1比3這個(gè)比例不但不是非常不均衡，相反在我看來已經(jīng)是非常均衡了。以前做比賽有處理過正負(fù)比1比10000的數(shù)據(jù)，我覺得這才叫不平衡，才需要使用類似上采樣，下采樣，以及smote算法（都用過），而且這樣的情況下recall，f1等指標(biāo)的提升是顯著的。我覺得正負(fù)比例在1：1至1：100間差別都不會(huì)太大，需要根據(jù)具體問題做離線交叉驗(yàn)證去找到最好的比例。所以我建議你不用再糾結(jié)正負(fù)樣本比的問題，可以再回頭看一看你的數(shù)據(jù)集，一方面看一看代碼是否有誤？數(shù)據(jù)集是否太小？（總覺得你的數(shù)據(jù)集太小，而且測(cè)試集相對(duì)于訓(xùn)練集太大）另外訓(xùn)練集，測(cè)試集的劃分是否正確？或者重新劃分一下訓(xùn)練測(cè)試集做一下交叉驗(yàn)證看一看各項(xiàng)指標(biāo)再具體研究。