对不平衡的数据进行平衡

当数据中类的分布不均匀时，就会出现不平衡的数据。如果在不平衡的数据集上构建预测模型，则会导致模型看起来可产生高准确度，但不能很好地推广到少数类中的新数据。为了防止创建具有错误准确度的模型，您应该在创建预测模型之前对不平衡的数据进行重新平衡。

开始示例之前，请加载机器学习示例数据。

您会在金融交易数据中看到很多不平衡的数据，其中大多数交易不是欺诈性的，少数交易是欺诈性的，如下例所示。

1. 查看类的分布。

   => SELECT fraud, COUNT(fraud) FROM transaction_data GROUP BY fraud;
    fraud | COUNT
   -------+-------
    TRUE  |    19
    FALSE |   981
   (2 rows)
   

2. 使用 BALANCE 函数创建更平衡的数据集。

   => SELECT BALANCE('balance_fin_data', 'transaction_data', 'fraud', 'under_sampling'
                     USING PARAMETERS sampling_ratio = 0.2);
            BALANCE
   --------------------------
    Finished in 1 iteration
   
   (1 row)
   

3. 查看分类器的新分布。

   => SELECT fraud, COUNT(fraud) FROM balance_fin_data GROUP BY fraud;
    fraud | COUNT
   -------+-------
    t     |    19
    f     |   236
   (2 rows)
   

另请参阅

• BALANCE