Discussion :

[abidineb]

Bonjour

Mon probleme se trouve dans la classification des échantillons de classes non équilibrées, pour ce faire j'utilise un sur-échantillonnage des données, par exemple si j'ai le vecteur de données de dimension (5) a=[1 0 1 1 1] et de taille 500, est ce qu'il suffit de produire ce vecteur par exemple 3500 fois dans la base de données si l'autre classe a 4000 échantillons ?????????? s'il vous plait, pourriez vous m'aider a résoudre ce probleme??????????

Cordialement

[Alexis.M]

L'explication de ton problème n'est pas très claire: qu'appelles-tu 'taille' et 'dimension'.

Quel algorithme de classification utilises-tu ?

Pour compenser un jeu de données désiquilibré il y a deux méthodes principalement utilisées:

1. Sous-échantillonner la classe ayant le plus gros effectif
2. utiliser un coefficient pour pondérer les échantillons en fonction de l'effectif de leur classe

[abidineb]

Bonjour

Merci pour ta réponse clairvoyante. La dimension du vecteur est 5. La taille est le nombre d’échantillons de départ 500 contre 4000.

L'algorithme est k-PPV (k-plus-proches voisins).
J'aimerai savoir plus sur le sur-échantillonnage qui est la démarche opposée du sous-échantillonnage.

Merci.

Cordialement

[ToTo13]

La dimension du vecteur est 5. La taille est le nombre d’échantillons de départ 500 contre 4000.

On parle aussi souvent d'"individus", donc dans ce cas tu aurais 500 individus contre 4000.

L'algorithme est k-PPV (k-plus-proches voisins).

C'est un des algorithmes de classement qui gère plutôt bien les classes déséquilibrées :-)
Si tu souhaites faire un 1-PPV, alors il est inutile d'équilibre tes classes.
si k est différent de 1, tu peux simplement pondérer les voisins que tu trouves. C'est-à-dire dans ton cas, lorsque tu trouves un voisin de la classe minoritaire tu attributs un poids de 8 et si c'est un voisin de la classe majoritaire tu mets 1. La classe d'appartenance est alors celle qui a le plus grand score à la fin.

J'aimerai savoir plus sur le sur-échantillonnage qui est la démarche opposée du sous-échantillonnage.

C'est cela :
- sur-échantillonnage (souvent préféré afin d'éviter la perte de données) => dupliquer les individus de la classe minoritaire jusqu'à ce que les classes soient équilibrées.
- sous-échantillonnage => supprimer aléatoirement des individus de la classe majoritaire jusqu'à ce que les deux classes soient équilibrées.

[abidineb]

Merci Beaucoup .

Problème résolu.

Cordialement