रीसैंपलिंग और वर्ग भार
अधिक डेटा के बजाय कोड से संतुलन बनाएँ
रीसैंपलिंग और वर्ग भार, CoddyKit पर NLP Academy का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह NLP Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। NLP Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
संतुलन के दो तरीके
आप पुनःनमूनाकरण से डेटा बदलकर या वर्ग भार से गणित बदलकर झुकाव सुधार सकते हैं। दोनों तरीकों से ध्यान दुर्लभ वर्ग की ओर जाता है।
अल्पसंख्यक का अधिक नमूनाकरण
अधिक नमूनाकरण अधिक दुर्लभ उदाहरणों की प्रतिलिपियाँ बनाता है या उन्हें संश्लेषित करता है, ताकि वर्ग बीच में संतुलित हो जाएँ और मॉडल को सीखने के लिए अधिक सामग्री मिले।
बहुसंख्यक का कम नमूनाकरण
कम नमूनाकरण इसके बजाय बहुसंख्यक वर्ग के कुछ उदाहरण हटा देता है। यह तेज़ और हल्का है, लेकिन उपयोगी संकेत खोने का जोखिम रहता है।
पाठ विशेषताओं के लिए SMOTE
SMOTE प्रतिलिपि बनाने के बजाय विशेषता-स्थान में वास्तविक बिंदुओं के बीच नए अल्पसंख्यक बिंदु बनाता है, जिससे मॉडल को नई विविधता दिखाई देती है।
from imblearn.over_sampling import SMOTE
X_bal, y_bal = SMOTE().fit_resample(X, y)केवल प्रशिक्षण का पुनःनमूनाकरण करें
हमेशा केवल प्रशिक्षण सेट का संतुलन बदलें। परीक्षण सेट को छूने से अच्छे स्कोर का दिखावा होता है और वास्तविक प्रदर्शन छिप जाता है।
भार निर्धारण का विचार
डेटा बदलने के बजाय आप हर दुर्लभ गलती को अधिक महत्त्वपूर्ण बना सकते हैं। अधिक वर्ग भार हानि को अल्पसंख्यक वर्ग का ध्यान रखने के लिए प्रेरित करते हैं।
एक पंक्ति में संतुलन
कई scikit-learn मॉडल class_weight स्वीकार करते हैं। इसे balanced पर सेट करें और भार वर्ग की आवृत्ति के व्युत्क्रमानुपाती अपने-आप निकाले जाएँगे।
clf = LogisticRegression(class_weight='balanced')संतुलित भार कैसे काम करते हैं
संतुलित भार प्रत्येक वर्ग को उसकी आवृत्ति के व्युत्क्रम के अनुसार मापता है, इसलिए दुर्लभ लेबल प्रभावी रूप से कई गुना अधिक गिना जाता है।
भार बनाम पुनःनमूनाकरण
वर्ग भार कम लागत वाले होते हैं और आपका डेटा ज्यों का त्यों रखते हैं, जबकि पुनःनमूनाकरण अधिक समृद्ध पैटर्न पकड़ सकता है। पहले भार आज़माएँ।
अति-अनुरूपण से सावधान रहें
आक्रामक अधिक नमूनाकरण मॉडल को दुर्लभ उदाहरण याद करने पर मजबूर कर सकता है। इस अति-अनुरूपण को जल्दी पकड़ने के लिए अछूते डेटा पर सत्यापन करें।
एक चुनें, मापें
कोई एक तरीका हर स्थिति में विजेता नहीं होता। एक विधि चुनें और फिर उसे सामान्य सटीकता के बजाय अल्पसंख्यक रिकॉल से परखें। 🎯
त्वरित जाँच
सबसे सुरक्षित संतुलन आदत चुनें।
पुनरावलोकन
पुनःनमूनाकरण या वर्ग भार से झुकाव का सामना करें, केवल प्रशिक्षण डेटा का संतुलन बदलें और परिणामों को अल्पसंख्यक रिकॉल से परखें। ✅
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 30
- पाठ
- 120
अक्सर पूछे जाने वाले प्रश्न
क्या “रीसैंपलिंग और वर्ग भार” पाठ निःशुल्क है?
हाँ — NLP Academy अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “रीसैंपलिंग और वर्ग भार” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। NLP Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“रीसैंपलिंग और वर्ग भार” में मैं क्या सीखूँगा?
अधिक डेटा के बजाय कोड से संतुलन बनाएँ आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ NLP Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या NLP Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर NLP Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।
“रीसैंपलिंग और वर्ग भार” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस NLP Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर NLP Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- दुर्लभ वर्गों की अनदेखी क्यों होती है
- रीसैंपलिंग और वर्ग भार
- सीमा और मेट्रिक चुनना
- एंड-टू-एंड असंतुलित पाइपलाइन