- 综合排序
- 最热优先
- 最新优先
- 来自专栏SAMshare
特征锦囊：如何在Python中处理不平衡数据
data: ", roc_auc_score(y_test, pred_SMOTE)) # Output： #Before oversampling: Counter({0: 21980, 1: #ROC AUC score for oversampling data: 0.844305732561 ? rate:0.6 , Mean ROC AUC: 0.936 #SMOTE oversampling rate:0.3, Random undersampling rate:0.5 , Mean ROC AUC: 0.937 #SMOTE oversampling rate:0.4, Random undersampling rate:0.7 , Mean ROC AUC: 0.938 #SMOTE oversampling rate:0.4, Random undersampling rate:0.6 , Mean ROC AUC: 0.937 #SMOTE oversampling rate:0.4
2.8K10发布于 2020-11-19 - 来自专栏SAMshare
不平衡数据的处理方法与代码分享
data: ", roc_auc_score(y_test, pred_SMOTE)) # Output： #Before oversampling: Counter({0: 21980, 1: #ROC AUC score for oversampling data: 0.844305732561 3、欠采样和过采样的结合（使用pipeline） 那如果我们需要同时使用过采样以及欠采样 rate:0.6 , Mean ROC AUC: 0.936 #SMOTE oversampling rate:0.3, Random undersampling rate:0.5 , Mean ROC AUC: 0.937 #SMOTE oversampling rate:0.4, Random undersampling rate:0.7 , Mean ROC AUC: 0.938 #SMOTE oversampling rate:0.4, Random undersampling rate:0.6 , Mean ROC AUC: 0.937 #SMOTE oversampling rate:0.4
2K10编辑于 2022-02-25 - 来自专栏生信菜鸟团
如何处理机器学习中数据不平衡的分类问题
strategy oversample = RandomOverSampler(sampling_strategy='minority') #this strategy would oversampling number with majority class oversample2 = RandomOverSampler(sampling_strategy=0.5) #this strategy would oversampling flip_y=0) # summarize class distribution print(Counter(y)) # >>> Counter({0: 9900, 1: 100}) # define oversampling 如 SMOTE (Synthetic Minority Oversampling Technique) 即合成少数组别的过采样技术。 / https://arxiv.org/abs/1106.1813 https://machinelearningmastery.com/smote-oversampling-for-imbalanced-classification
1.8K10编辑于 2022-04-08 - 来自专栏全栈程序员必看
在 RT-Thread Nano 上添加控制台与 FinSH
UartHandle.Init.HwFlowCtl = UART_HWCONTROL_NONE; 8 UartHandle.Init.Mode = UART_MODE_TX_RX; 9 UartHandle.Init.OverSampling = UART_OVERSAMPLING_16; 10 UartHandle.Init.WordLength = UART_WORDLENGTH_8B; 11 UartHandle.Init.StopBits UartHandle.Init.HwFlowCtl = UART_HWCONTROL_NONE; 9 UartHandle.Init.Mode = UART_MODE_TX_RX; 10 UartHandle.Init.OverSampling = UART_OVERSAMPLING_16; 11 UartHandle.Init.WordLength = UART_WORDLENGTH_8B; 12 UartHandle.Init.StopBits = UART_OVERSAMPLING_16; 16 UartHandle.Init.WordLength = UART_WORDLENGTH_8B; 17 UartHandle.Init.StopBits
2.2K30编辑于 2022-08-26 - 来自专栏嵌入式实验基地
解决了个bug，想说点啥却又难以启齿
huart2.Init.Mode = UART_MODE_TX_RX; huart2.Init.HwFlowCtl = UART_HWCONTROL_NONE; huart2.Init.OverSampling = UART_OVERSAMPLING_16; huart2.Init.OneBitSampling = UART_ONE_BIT_SAMPLE_DISABLE; huart2.Init.ClockPrescaler BluetoothUart.Init.Mode = UART_MODE_TX_RX; BluetoothUart.Init.HwFlowCtl = UART_HWCONTROL_NONE; BluetoothUart.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&BluetoothUart) !
71020编辑于 2022-11-16 USART 流控制参数：原理、配置与应用（建议收藏备用！！！）
huart1.Init.Mode = UART_MODE_TX_RX; huart1.Init.HwFlowCtl = UART_HWCONTROL_RTS_CTS; huart1.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&huart1)! huart1.Init.Mode = UART_MODE_TX_RX; huart1.Init.HwFlowCtl = UART_HWCONTROL_NONE; huart1.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&huart1)!
34510编辑于 2025-11-29- 来自专栏Gnep's_Technology_Blog
OFDM——PAPR减小
:M-1)'); end modulation.m function [s,time] = modulation(x,Ts,Nos,Fc) % Ts : Sampling period % Nos: Oversampling period for Baseband else scale = sqrt(2); T=1/Fc/2/Nos; % Scale and Oversampling period for *i)); [x,time] = IFFT_oversampling(X,N); PAPRdB = PAPR(x); [x_os,time_os] = IFFT_oversampling(X,N,L); (X,N); PAPRdB(i) = PAPR(x); x_os = IFFT_oversampling(X,N,L); PAPRdB_os(i) = PAPR(x_os); end plot(n function [xt, time] = IFFT_oversampling(X,N,L) %MIMO-OFDM Wireless Communications with MATLAB㈢ Yong
1K11编辑于 2023-12-29 - 来自专栏IDC杂谈
BME280传感器与STM32 Blue Pill连接并使用STM32CubeIDE
user_delay_ms; rslt = bme280_init(&dev); /* BME280 settings */ dev.settings.osr_h = BME280_OVERSAMPLING _1X; dev.settings.osr_p = BME280_OVERSAMPLING_16X; dev.settings.osr_t = BME280_OVERSAMPLING_2X; dev.settings.osr_h = BME280_OVERSAMPLING_1X; dev.settings.osr_p = BME280_OVERSAMPLING_16X; dev.settings.osr_t = BME280_OVERSAMPLING_2X; dev.settings.filter = BME280_FILTER_COEFF_16; rslt = bme280_set_sensor_settings _1X; dev.settings.osr_p = BME280_OVERSAMPLING_16X; dev.settings.osr_t = BME280_OVERSAMPLING_2X;
2.3K60编辑于 2023-02-21 - 来自专栏DeepHub IMBA
大规模向量检索优化：Binary Quantization 让 RAG 系统内存占用降低 32 倍
Oversampling（过采样） 检索时多拿一些候选结果。比如本来只需要 top-5，可以先检索 top-20 或 top-50，用数量换精度抵消量化造成的分辨率损失。 精度损失是这个方案的代价，但 oversampling + rescoring 的组合能将准确度维持在 95% 以上，这对多数应用场景足够。 不过具体部署时还是要根据数据特征做测试，尤其是 rescoring 的候选集大小（oversampling factor）需要根据实际召回率调整。 作者：Algo Insights
23710编辑于 2025-12-30 - 来自专栏量化投资与机器学习
Quant面试『真题』系列：第一期
Then, you can resample the training set by either oversampling the rare samples or undersampling the Note, if the event is inherently rare, then oversampling may not be necessary, and you should focus more There are several algorithms for doing so - the most popular is called SMOTE (synthetic minority oversampling
1.1K20编辑于 2022-05-10 - 来自专栏物联网知识
基于STM32的串口收发详解（HAL库）
huart3.Init.Mode = UART_MODE_TX_RX; huart3.Init.HwFlowCtl = UART_HWCONTROL_NONE; huart3.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&huart3) ! BaudRate：波特率 WordLength;：字长 StopBits：停止位 Parity：奇偶校验 Mode：收/发模式设置 HwFlowCtl：硬件流设置 OverSampling：过采样设置
6K50编辑于 2022-12-03 - 来自专栏算法+
音频算法之小黄人变声 附完整C代码
= NULL) { float pitchShift = 0.9f; size_t ms = 50; size_t overSampling = 4; planData pitchPlanData = {0}; double startTime = now(); makePlanData(frameSize, overSampling
3.5K70发布于 2018-09-22 - 来自专栏嵌入式项目开发
基于STM32的智能粮仓系统设计
huart1.Init.Mode = UART_MODE_TX_RX; huart1.Init.HwFlowCtl = UART_HWCONTROL_NONE; huart1.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&huart1) ! huart1.Init.Mode = UART_MODE_TX_RX; huart1.Init.HwFlowCtl = UART_HWCONTROL_NONE; huart1.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&huart1) !
1.1K31编辑于 2023-07-08 - 来自专栏生物信息学、python、R、linux
SMOTE算法
SMOTE算法，即Synthetic Minority Oversampling Technique合成少数类过采样技术，这是一种过采样的方法。
2.1K10发布于 2020-12-09 - 来自专栏猫头虎博客专区
基于SambaNova的DeepSeek-R1、Qdrant二进制量化以及LangGraph，实现了32倍内存缩减的一个构建快速RAG系统方案
先用二进制索引进行 快速筛选（oversampling），得到一批候选向量。 精确重评分 从磁盘加载对应的 原始浮点向量，对候选集做精确余弦/内积计算，确保检索质量。 精度-性能平衡 可调节 oversampling 候选集大小，兼顾速度与准确度。-------- 联系我与版权声明
40210编辑于 2025-06-10 - 来自专栏机器学习AI算法工程
减少yolo检测模型误检的优化和调整
过采样（Oversampling）和欠采样（Undersampling）是处理不平衡数据的两种常用方法，它们分别通过增加少数类样本和减少多数类样本来达到平衡数据集的目的。 过采样（Oversampling）： 过采样是通过增加少数类样本的复制来平衡数据集，使得少数类样本的数量与多数类样本相近。这样可以使得模型更多地关注少数类样本，从而提高分类器对少数类的识别能力。
2.4K10编辑于 2024-06-21 - 来自专栏云深之无迹
MT-022: Sigma-Delta ADC 基础（YUNSWJ重写）
Cutler 提出超采样（Oversampling）和噪声整形（Noise Shaping）的专利，成为现代 Σ-Δ 架构的奠基之作。 过采样（Oversampling） 如果采样频率为 ，其中 ，则称为过采样；用来降低量化噪声密度（分布到更宽频带）；降低模拟抗混叠滤波器需求（后期数字滤波可完成）。 3. 概念 中文解释 Oversampling 过采样，即采样频率远高于信号最高频率，稀释量化噪声 Quantization Noise 量化噪声，理想 N 位 ADC 的理论误差为 q/√12 Noise 过采样 (Oversampling) 用更高采样率稀释噪声密度、配合数字滤波提升 SNR 抽取（Decimation）：降低数据速率但不丢失信息 这段我就解剖原文了，引用以及解读： “由于数字输出滤波器会减少带宽
89210编辑于 2025-06-08 - 来自专栏云深之无迹
从 AD7771 看Σ-Δ如何把量化噪音“搬走”
AD7771 内部信号链 Σ-Δ 技术的关键优势之一是其 高过采样率（Oversampling） 这种过采样会将本来集中在 Nyquist 带宽内的 量化噪声，扩展（展宽）到整个频率范围（从 0 Hz
23800编辑于 2025-05-14 - 来自专栏嵌入式项目开发
STM32读取BH1750光照强度数据打印到串口
huart1.Init.Mode = UART_MODE_TX_RX; huart1.Init.HwFlowCtl = UART_HWCONTROL_NONE; huart1.Init.OverSampling = UART_OVERSAMPLING_16; if (HAL_UART_Init(&huart1) !
1.3K30编辑于 2023-07-08 - 来自专栏安富莱嵌入式技术分享
【STM32H7教程】第44章 STM32H7的ADC基础知识和HAL库API
Oversampling 此参数是ADC_OversamplingTypeDef类型结构体变量，用于设置过采样的相关参数。 ADC Extended Triggered Regular Oversampling * @{ */ #define ADC_TRIGGEREDMODE_SINGLE_TRIGGER 具体支持的定义如下： /** @defgroup ADCEx_Regular_Oversampling_Mode ADC Extended Regular Oversampling Continued < Oversampling buffer maintained during injection sequence */ #define ADC_REGOVERSAMPLING_CONTINUED_MODE hadc->Init.Oversampling.TriggeredMode | hadc->Init.Oversampling.OversamplingStopReset
6.8K30发布于 2020-01-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号