嘿，大家好，我想训练一个决策树模型，我已经使用了交叉验证算子来训练我的模型。然而，我还需要平衡我的数据，因为我有两个类，其中一个表示的次数要少得多。我现在关心的是如何使用抽样算子。我知道如何使用它来平衡我的数据，我更想知道如果我把采样算子放入交叉验证算子的子过程中，或者如果我也可以在之前平衡数据集，这是否重要。我在某个地方看到，在交叉验证操作符中使用抽样操作符是典型的，而且更好，因为否则一些数据点会超出范围。但是这真的很重要吗，因为如果我再想一遍，它对我来说就没有那么大的意义了，不管我是在之前还是之后使用样本。有人能给我一个答案吗?
0
SimonW18272
成员职位:13
新手
答案
如果您将采样操作符放入交叉验证(在构建模型之前放入左侧面板)，您将获得两个好处:
1.模型将在平衡数据上学习
2.采样不会影响测试集(验证中右边的那个)，因此您可以在所有数据上验证模型。
抽样是用来改进模型的。因此，进行交叉验证是有意义的。在进行交叉验证时，您不仅要验证模型:目标是验证导致构建模型的整个过程。抽样是其中的一部分。
在交叉验证之前减少数据会让您对整个过程的结果产生错误的印象。您希望从平衡数据构建模型，但如果底层数据集从根本上是不平衡的，那么您应该以这种方式验证它。验证前的平衡将为您提供对人工平衡数据集的验证结果。
问候,
Balazs