上采样算法

A. 如何提高机器学习算法的召回率

最近在做文本分类，遇到了一些问题，想问问大家有没有好的方法。为了节省时间，我只采取了部分数据来跑算法（全部数据跑了之后的结果和这个差不多）
训练集：4837 documents
测试集：2074 documents
样本比例：正样本：负样本 = 1：3
预测结果中，有的算法在正样本中预测的精确率还行（0.95-1.00之间），但是召回率非常差，通常只有0.01和0.02左右，KNeighbors和DecisionTree的精确率和召回率都是0，只有NaiveBayes和BernoulliNB的PR和Recall比较平均，但是也没有到0.8。
问题：我查了一下那些召回率较低（0.01）的算法，475个样本中（正样本），实际上只有5个被预测正确了的，但是具体原因没有查出来。
我想请问一下：1.召回率低是因为样本极度不平衡造成的吗？（虽然我认为1：3的比例不算极度不平衡。）2.在这种样本不平衡的问题上，有没有什么好的方法可以提高召回率？我试过SMOTE方法（过采样和欠采样都有试过），但对于我的数据集并没有什么好的效果，不止到有没有有什么好的方法可以解决这个问题？谢谢！
添加评论
分享

查看全部 11 个回答

0赞同反对，不会显示你的姓名
Elvin 全是细枝末节，做一个乐于分享的人
两个问题一并回答一下，根据你的描述，我觉得问题应该不是出在正负样本比上，1比3这个比例不但不是非常不均衡，相反在我看来已经是非常均衡了。以前做比赛有处理过正负比1比10000的数据，我觉得这才叫不平衡，才需要使用类似上采样，下采样，以及SMOTE算法（都用过），而且这样的情况下recall，F1等指标的提升是显着的。我觉得正负比例在1：1至1：100间差别都不会太大，需要根据具体问题做离线交叉验证去找到最好的比例。

所以我建议你不用再纠结正负样本比的问题，可以再回头看一看你的数据集，一方面看一看代码是否有误？数据集是否太小？（总觉得你的数据集太小，而且测试集相对于训练集太大）另外训练集，测试集的划分是否正确？或者重新划分一下训练测试集做一下交叉验证看一看各项指标再具体研究。

B. 单片机心率采样算法

单片机新率采样的算法是非常复杂的，所以这时候你必须用用一个公式，你才能去给他算出来，这个公式非常简易的，所以你套公式就可以。

C. 采样频率是怎么计算出来的

采样点数的多少与要求多大的频率分辨率有关，例如：机器转速3000r/min=50Hz，如果要分析的故障频率估计在8倍频以下，要求谱图上频率分辨率ΔF=1 Hz ,则采样频率和采样点数设置为：

最高分析频率Fm=8·50Hz=400Hz；

采样频率Fs=2.56·Fm=2.56 ·400Hz=1024Hz；

采样点数N=2.56·（Fm/ΔF）=2.56·（400Hz/1Hz）=1024

(3)上采样算法扩展阅读：

采样频率只能用于周期性采样的采样器，对于非周期性采样的采样器没有规则限制。

采样频率必须大于被采样信号带宽的两倍，另外一种等同的说法是奈奎斯特定律必须大于被采样信号的带宽。如果信号的带宽是100Hz，那么为了避免混叠现象采样频率必须大于200Hz。换句话说就是采样频率必须至少是信号中最大频率分量频率的两倍，否则就不能从信号采样中恢复原始信号。

D. Mac电脑求推荐一款无损音乐播放器

HQPlayer是一款无损音乐播放器。HQPlayer具有Delta-Sigma调制器、支持专业的ASIO驱动程序、64/80位浮点处理、可选高频扩展、播放立体声、绕过操作系统软件混频器和采样率转换等功能。
HQPlayer 4 pro破解版安装教程
下载完成后双击HQPlayer pro.pkg安装，欢迎安装HQPlayer promac版,点击继续
原文出自：https://mac.orsoon.com/Mac/175301.html
HQPlayer pro mac破版软件介绍
HQPlayer是Mac OS X的高质量音频播放器。HQPlayer还具有几种可选的高质量上采样和下采样算法以及可选的抖动，噪声整形和调制器算法。所有现代DAC都采用过采样和delta-sigma调制，但是硬件实现或多或少受到资源的限制。

E. 查看图片时图像为什么可以放大缩小，什么原理，放大查看或缩小查看，图像的像素有没有变化

放大缩小只是对图片的一个副本进行操作的，原始图片不会变

F. 为什么机器学习中需要采样算法

学习机器学习十大算法，相当于电脑的中级水平。算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输

G. 非均匀离散傅立叶变换的算法

离散傅里叶级数（DFS）与连续傅立叶级数相比有很大的区别。最大的不同在于离散时间傅里叶级数的系数序列是周期的。
离散傅里叶级数的公式
周期为N的周期序列<math>\left\{ a_n\right\}</math>，其离散傅里叶级数为<math>\left\{ x_k \right\}</math>：
<math>x[k]=\sum_{n=<N>} a_n\cdot e^{-jn(\frac{2\pi}{N})k}</math>
其中，DFS的逆变换序列：
<math>a_n=\frac{1}{N}\sum_{k=<N>} x[k]\cdot e^{jn(\frac{2\pi}{N})k}</math> （k=<N>表示对一个周期N内的值求和）
进一步分析
连续周期信号的离散化（下面的讨论中，<math>\omega_0=\frac{2\pi}{T}</math>）：
首先，在傅里叶级数一文中，我们知道函数<math>f(t)=e^{j(\frac{2\pi}{T})t}</math>是对于任意的T是周期为T的函数，然而其对应的离散信号则不一定是周期的，可以证明，只有当<math>\frac{\omega_0}{2\pi}</math>是有理数时，离散信号f[n]才是周期函数。
其次，在满足条件1的前提下，连续周期信号<math>f_k(t)</math>对应的离散信号<math>f_k[n]=e^{jk(\frac{2\pi}{N})n}</math>对k也具有周期性，其周期为N,即<math>f_k[n]</math>中只有N个不同的序列。
从离散时间傅里叶变换的系数公式我们可以看出，<math>a_k</math>也是对k周期为N的函数。
离散傅里叶变换实际上是离散时间傅里叶级数在主值区间上的取值。我们注意到，离散傅里叶变换是对非周期函数f[n]进行的，如果我们对f[n]的定义拓广为周期函数f'[n]：<math>f'[n]=\sum _{i=-\infty}^{+\infty}f(n+i\cdot N)</math>。并且当<math>N\to \infty</math>时，f'[n]实际上就是f[n]，那么我们现在可以求出f'[n]的傅里叶级数。同样，当<math>N\to \infty</math>时无穷级数变成了积分，得到的结果是一个连续的周期函数<math>X(e^{j\omega})</math>（正如离散傅里叶变换一文中所述），这就是f[n]的离散时间傅里叶变换。这时，只需在它的主值区间上采样，就可以得到离散傅里叶变换的变换序列。

H. 数据挖掘不同领域中的采样方法有哪些

1，关联规则的采样
挖掘关联规则的任务通常与事务处理与关系数据库相关，该任务需要反复遍历数据库，因此在大数据集上将花费大量的时间。有很多的算法可以改进关联规则算法的效率与精度，但在精度保证的前提下，采样是最直接与最简单的改进效率的方法。
2.分类的采样
分类一般分为三种类型:决策树、神经网络及统计方法(如无偏差分析)，在这些算法中均有使用采样的案例。分类的采样一般有四种，一种是随机采样，另外三种是非随机采样，分别是“压缩重复”、“窗口”及“分层”。
3.聚类的采样
在聚类中进行采样有若干的用途。有些聚类算法使用采样进行初始化工作，例如，利用采样得到的样本得到初始化的参数，然后再对大数据集进行聚类。当处理大数据集时，需要降低算法使用的空间。为了得到较好的聚类，根据数据的分布情况需要采用不同的采样方法。随机采样仍然是一种常规的方法，在随机采样忽略了小的聚类的情况下，一般采用非随机采样的方法。非随机采样的方法中最常用的是分层采样。例如，在密度差别很大的数据集中，根据密度的不同，采样的样本数量可以不同，在密度较高的区域采样的次数少一些，而在密度稀疏的区域，采样的次数多一些。
4.扩充(Scaling-Up)的数据挖掘算法的采样
扩充是指利用已有的数据挖掘算法能够高敛地处理大数据集。当数据挖掘的算法初期是处理小数据集的情况下，处理大数据集就会受到限制。在这种情况下，一般会采用分而抬之的方法:将大数据集分解成较小的互不重叠的数据集，利用己有算法进行处理，然后，将小数据集得出的结果合并成最终的结果。需要注意的是，这种方法等价于将困难转嫁到合并步骤，即需要复杂的处理才能得到正确的结果。因此，整体的复杂性没有降低。

I. Levinson-Durbin算法

用线性方程组的常用解法（例如高斯消元法）求解式（4-22），需要的运算量数量级为p³。但若利用系数矩阵的对称性和Toeplitz性质，则可得到一些高效算法，Levinson-Durbin算法就是其中最着名、应用最广泛的一种，其运算量数量级为p²。这是一种按阶次进行递推的算法，即首先以AR（0）和AR（1）模型参数作为初始条件，计算AR（2）模型参数；然后根据这些参数计算AR（3）模型参数，等等，一直到计算出AR（p）模型参数为止。这样，当整个迭代计算结束后，不仅求得了所需要的p阶AR模型的参数，而且还得到了所有各低阶模型的参数。

Levinson算法的关键是要推导出由AR（k）模型的参数计算AR（k+1）模型的参数的迭代计算公式。对式（4-22）分析可知，Yule-Walker方程的系数矩阵具有以下两个特点：

（1）从0阶开始逐渐增加阶次，可看出，某阶方程的系数矩阵包含了前面各阶系数矩阵（作为其子矩阵）。

（2）系数矩阵先进行列倒序再进行行倒序（或先行倒序再列倒序）后矩阵不变。

设已求得k阶Yule-Walker方程

地球物理信息处理基础

的参数｛a_k，1，a_k，2，…，a_k，k，

｝，现求解k+1阶Yule-Walker方程

地球物理信息处理基础

为此，将k阶方程的系数矩阵增加一列和增加一行，成为下列形式的“扩大方程”

地球物理信息处理基础

扩大方程中的D_k由下式来确定

地球物理信息处理基础

利用前述系数矩阵的第二个特点，将扩大方程的行倒序，同时列也倒序，得“预备方程”

地球物理信息处理基础

将待求的k+1阶Yule-Walker方程的解表示成“扩大方程”解和“预备方程”解的线性组合形式

地球物理信息处理基础

或

a_k+1，i=a_k，i-γ_k+1a_k，k+1-i，i=1，2，…，k

式中γ_k+1是待定系数，称为反射系数。用k+1阶系数矩阵

地球物理信息处理基础

去左乘上式各项，得到

地球物理信息处理基础

由该式可求出

地球物理信息处理基础

地球物理信息处理基础

由扩大方程的第一个方程可求出

地球物理信息处理基础

从上面的推导中可归纳出如下由k阶模型参数求k+1阶模型参数的计算公式：

地球物理信息处理基础

a_k+1，i=a_k，i-γ_k+1a_k，k+1-i，i=1，2，…，k （4-24）

地球物理信息处理基础

对于AR（p）模型，递推计算直到k+1=p为止。将模型参数代入式（1-135），即可计算功率谱估计值：

地球物理信息处理基础

若在-π＜ω≤π范围内的N个等间隔频率点上均匀采样，则上式可写成

地球物理信息处理基础

若N＞p，则上式中在N-1＞i＞p时，应取a_p，i=0。

如果自相关函数值不是已知的，而只知道N个观测数据x_N（n），n=0，1，…，N-1，首先要用式（4-5）由x_N（n）估计出自相关函数值，得

，m=0，1，…，p。然后再用Levin-son算法根据

来计算AR（p）模型的参数。

为了书写简单，今后将k阶AR模型系数或k阶线性预测系数a_k，i写成a_ki，而对于k+1阶来说，为了下标明确，仍写成a_k+1，i。