Resampling og klassevekter
Balanser på nytt med kode, ikke mer data
Resampling og klassevekter er en gratis leksjon i NLP Academy på CoddyKit. Dette er leksjon 2 av 4. Du kan lese valgfritt 3 leksjoner fra denne læringsstien gratis i sin helhet – deretter låser CoddyKit PRO opp alle leksjoner, samt praktisk øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i NLP Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i NLP Academy inneholder totalt 4 leksjoner.
To måter å balansere på nytt
Du kan rette opp skjevheten ved å endre dataene med resampling, eller ved å endre matematikken med klassevekter. Begge deler flytter oppmerksomheten mot den sjeldne klassen.
Oversampling av minoriteten
Oversampling kopierer eller lager syntetiske, sjeldne eksempler, slik at klassene møtes på midten og modellen får mer å lære av.
Undersampling av majoriteten
Undersampling fjerner i stedet noen eksempler fra majoriteten. Det er raskt og effektivt, men du risikerer å kaste bort nyttige signaler.
SMOTE for tekstegenskaper
SMOTE lager nye minoritetspunkter mellom virkelige punkter i egenskapsrommet i stedet for å duplisere dem, slik at modellen får se mer variasjon.
from imblearn.over_sampling import SMOTE
X_bal, y_bal = SMOTE().fit_resample(X, y)Gjør resampling bare på treningsdata
Du bør alltid balansere bare treningssettet på nytt. Hvis du endrer testsettet, forfalsker du gode målinger og skjuler den reelle ytelsen.
Tanken bak vekting
I stedet for å flytte på dataene kan du gjøre hver sjelden feil mer kostbar. Høyere klassevekter tvinger tapsfunksjonen til å ta hensyn til minoriteten.
Balansert på én linje
Mange scikit-learn-modeller godtar class_weight. Sett den til balanced, så beregnes vektene omvendt proporsjonalt med klassefrekvensen.
clf = LogisticRegression(class_weight='balanced')Slik fungerer balanserte vekter
Balansert vekting skalerer hver klasse med det omvendte av frekvensen, slik at en sjelden etikett i praksis teller mange ganger mer.
Vekter mot resampling
Klassevekter er billige og lar dataene dine være urørt, mens resampling kan fange rikere mønstre. Prøv vekter først.
Vær oppmerksom på overtilpasning
For aggressiv oversampling kan få en modell til å memorere sjeldne eksempler. Valider på urørte data for å oppdage denne overtilpasningen tidlig.
Velg én og mål resultatet
Det finnes ingen løsning som alltid er best. Velg en metode, og vurder den etter gjenfinningsgrad for minoriteten, ikke etter rå nøyaktighet. 🎯
Rask sjekk
Velg den tryggeste vanen for balansering.
Oppsummering
Bekjemp skjevhet med resampling eller klassevekter, balanser bare treningsdataene på nytt, og vurder resultatene etter gjenfinningsgrad for minoriteten. ✅
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Resampling og klassevekter» gratis?
Ja – du kan lese valgfritt 3 av leksjonene i læringsstien NLP Academy, inkludert «Resampling og klassevekter», gratis i sin helhet her på nettet. Deretter låser CoddyKit PRO opp alle leksjoner, samt interaktiv øving med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Kurset i NLP Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Resampling og klassevekter»?
Balanser på nytt med kode, ikke mer data Du øver på NLP Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med NLP Academy?
Ingen tidligere erfaring er nødvendig. NLP Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 2 av 4.
Hvor lang tid tar leksjonen «Resampling og klassevekter»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne NLP Academy-leksjonen?
Ja. Alle NLP Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Hvorfor sjeldne klasser ignoreres
- Resampling og klassevekter
- Velg terskel og måleparameter
- Helhetlig pipeline for ubalanserte data