Resampling en class weights
Breng de balans met code terug, niet met meer data
Resampling en class weights is een gratis NLP Academy-les op CoddyKit. Dit is les 2 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject NLP Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus NLP Academy bevat in totaal 4 lessen.
Twee manieren om opnieuw in balans te brengen
Je kunt scheefheid oplossen door de gegevens te veranderen met herverdeling, of door de berekening te veranderen met klassegewichten. Beide vestigen meer aandacht op de zeldzame klasse.
De minderheidsklasse oversamplen
Oversampling kopieert meer zeldzame voorbeelden of maakt ze synthetisch, zodat de klassen naar elkaar toe bewegen en het model meer heeft om van te leren.
De meerderheidsklasse undersamplen
Undersampling verwijdert in plaats daarvan enkele voorbeelden uit de meerderheidsklasse. Het is snel en compact, maar je loopt het risico nuttige signalen weg te gooien.
SMOTE voor tekstkenmerken
SMOTE bedenkt nieuwe punten van de minderheidsklasse tussen echte punten in de kenmerkruimte, in plaats van ze te dupliceren. Zo ziet het model meer variatie.
from imblearn.over_sampling import SMOTE
X_bal, y_bal = SMOTE().fit_resample(X, y)Herverdeel alleen de trainingsgegevens
Breng altijd alleen de trainingsset opnieuw in balans. Als je de testset aanraakt, vervals je goede scores en verberg je de echte prestaties.
Het idee achter wegen
In plaats van gegevens te verplaatsen, kun je elke fout in de zeldzame klasse zwaarder laten meetellen. Hogere klassegewichten zorgen dat de verliesfunctie rekening houdt met de minderheidsklasse.
In één regel in balans
Veel scikit-learn-modellen accepteren class_weight. Stel dit in op balanced en de gewichten worden omgekeerd evenredig aan de klassenfrequentie berekend.
clf = LogisticRegression(class_weight='balanced')Hoe gebalanceerde gewichten werken
Bij gebalanceerde weging wordt elke klasse geschaald met het omgekeerde van haar frequentie, zodat een zeldzaam label effectief veel vaker meetelt.
Gewichten tegenover herverdeling
Klassegewichten zijn goedkoop en laten je gegevens intact, terwijl herverdeling rijkere patronen kan vastleggen. Probeer eerst gewichten.
Let op overfitting
Agressieve oversampling kan ervoor zorgen dat een model zeldzame voorbeelden uit het hoofd leert. Valideer op onaangeroerde gegevens om deze overfitting vroeg te ontdekken.
Kies er één en meet het
Er is geen universele winnaar. Kies een methode en beoordeel die vervolgens op recall van de minderheidsklasse, niet op onbewerkte nauwkeurigheid. 🎯
Snelle controle
Kies de veiligste gewoonte voor het opnieuw in balans brengen.
Samenvatting
Bestrijd scheefheid met herverdeling of klassegewichten, breng alleen de trainingsgegevens opnieuw in balans en beoordeel de resultaten op recall van de minderheidsklasse. ✅
Leer Python met een AI-tutor — gratis
Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.
- Cursussen
- 30
- Lessen
- 120
Veelgestelde vragen
Is de les “Resampling en class weights” gratis?
Ja — je kunt hier op het web alle 3 lessen van het leerpad NLP Academy, waaronder “Resampling en class weights”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus NLP Academy bevat in totaal 4 lessen.
Wat leer ik in “Resampling en class weights”?
Breng de balans met code terug, niet met meer data Je oefent met NLP Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.
Heb ik ervaring nodig om met NLP Academy te beginnen?
Ervaring vooraf is niet nodig. NLP Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 2 van 4.
Hoe lang duurt de les “Resampling en class weights”?
De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.
Kan ik code schrijven en uitvoeren in deze les over NLP Academy?
Ja. Elke les over NLP Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.
Alle lessen in deze cursus
- Waarom zeldzame klassen worden genegeerd
- Resampling en class weights
- Drempel en metriek kiezen
- End-to-end-pipeline voor ongebalanceerde data