用于平衡多类数据集的裁剪

Question

我要实现SCUT算法来平衡我的多类数据集，我得到了这个错误。

应用中的1错误(T，2，max)：dim(X)必须有一个正长度

library(EMCluster, quietly = TRUE)
    library("lattice", lib.loc="C:/Program Files/R/R-3.4.2/library")
    library(grid)
    library(DMwR)
    CoronaryEvent <-data$CoronaryEvent
    class <- unique(CoronaryEvent)
    for(i in 2:length(unique(CoronaryEvent))-1){
      for(j in (i+1):length(unique(CoronaryEvent))){
        print(paste(i,j,sep=","))
        print(paste(class[i],class[j],sep=","))
        coronaryEvent equal to class i and class j
        class_i <- factor(as.factor(class[i]))
        class_j <- factor(as.factor(class[j]))

        a<-data[match(as.character(data$CoronaryEvent), class_i, nomatch = FALSE), ]
        a$CoronaryEvent <-as.factor(class_i)
        b<-data[match(as.character(data$CoronaryEvent), class_j, nomatch = FALSE), ]
        b$CoronaryEvent <-as.factor(class_j)
       D <- rbind(a,b)
       str(D)
      print(nrow(D))
      #oversampling binary dataset (minority class till reach 36 observations)
        m<-36
        if((nrow(a)<m)|(nrow(b)<m)){
          n<-nrow(a)
          perc = as.integer((m/n)*100)
          print(perc)
          newData <- SMOTE(CoronaryEvent ~ .,  D, perc.over = perc,perc.under = 50)
          print("oversampling")
          str(newData)
        }

        #undersampling majority class till 32 observations using EM algorithm
        else if((nrow(a)>m)|(nrow(b)>m)){
        print("undersampling")

        }


      }
    }

下图包含SCUT算法。

​

​

有关详细信息，请参阅此链接：

欠采样

Answer 1

这个问题很老，但我刚刚在CRAN上发布了一个名为scutr的包，它实现了SCUT。它使用他们在论文中指出的过采样/欠采样方法。还提供了一些其他重采样方法，以防您想要尝试它们。该API对自定义函数或来自其他包的函数是友好的。希望这对任何发现这个问题的人都有帮助。

链接到CRAN页面