关注今日：0 | 主题：92287
微信扫一扫
[求助] 重复测量方差分析的各时间点数据不均衡怎么处理？
页码直达：
这个帖子发布于13年零209天前，其中的信息可能已发生改变或有所发展。
求助原因：统计处理办法你参与的主要专业版面（必填）： 预防医学与医学统计讨论版试验或调查设计类型：实验研究本次分析的主要目的：了解处理因素对肿瘤模型肿瘤大小的影响数据类型及变量的说明：y：计量资料，肿瘤大小；X1：分类变量，各处理因素；x2：时间拟采用的分析方法：重复测量的方差分析（也考虑过就简单用随即区组设计的方差分析，也就是把时间当成区组）。拟采用的分析软件：spss12.0或者sas8.2原始数据附件及格式：暂时没有附主要存在的问题：到了后几个时间段，因肿瘤造成动物死了, 数据就不均衡了。Email：QQ，从现在起一直在线，然后睡觉。数据是这样的，一共40只动物，窝别相同，其他因素不用考虑，现在就是把动物按体重随即分配成4组，每组10只。测量2、4、6、8、10、12、14、16一共8个时间点的肿瘤大小数据，分A、B、C、D四种组。A为对照，即是对肿瘤不加干预。B、C、D则是三种处理因素。B、C、D8个时间点都是10只动物，一只未死。但是对照组A则是12这个时间点死了1只，只剩9个数据；14这个时间点又死了2只，只剩7个数据；16只时间点则是动物全死光了，没有数据。这种资料怎么处理，处理之后怎么解释？请指教，先谢了。
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
niuwussc 编辑于
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
我有个想法，你们看觉得合不合适？A组的12这个时间点死了1只，只剩9个数据；我就用均数来估计。14这个时间点又死了2只，只剩7个数据；也用均数来估计。16只时间点则是动物全死光了，没有数据，用均数是没有了，但是如果用上一组的，这里好像不妥。因为肿瘤是在不断变大的。我想试着用用ARIMA模型来做个预测，7个时间点预测一个时间点应该没有问题吧？以前没有用过，也不是很清楚。或者是用其他模型。我还在想！附上数据
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园如何解决机器学习中数据不平衡问题_百度知道
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。
如何解决机器学习中数据不平衡问题
我有更好的答案
比如说阳性的比例为1%，同时从大类样本中随机选择样本构成训练集，很明显的是即使不学习，直接预测所有结果为阴性，这样做的准确率也能够达到99%，而如果建立学习器也很有可能没有办法达到99%，即每次形成训练集的时候包括所有小类样本：一个是使得学习器的准确率最高，另外一个是学习器应该用在与训练集有相同分布的测试集上。一般的学习器都有下面的两个假设。可以通过随机采样比例大的类别使得训练集中大类的个数与小类相当，也可以重复小类使得小类的个数与大类相当。前者的问题是可能会丢失信息，因为只采用部分样本。后者的问题是可能造成过拟合，因为有重复样本。前者的问题可以通过esemble的方法来解决，在实际应用的时候效果肯定不好，而且也不是我们想要的模型，数据集不平衡会造成怎样的问题呢。1 从数据集入手。既然数据不平衡，那我们就人为的把数据集给平衡一下。在测试的时候使用投票的方法来判断分类结果。除了平衡数据集外。这就是数据比例不平衡所造成的问题。这样建立的模型即使准确率再高，阴性的比例为99%，那么学习器使得它的准确率最高肯定是更偏向于预测结果为比例更大的类别；也可以只学习一个类别。此外首先，还可以通过分别在大类和小类中筛选特征，然后组合起来构成学习器。这样也可能提高效果。2 从学习器入手。如果数据不平衡。最简单的是通过改变判断类别的cutoff来改变类别样本比例，这样重复很多次得到很多训练集和训练模型。明白了数据集的不平衡对于学习过程所造成的问题，相应的解决办法也有不少。下面是一些常用的两类方法
为您推荐：
其他类似问题
您可能关注的内容
换一换
回答问题，赢新手礼包&&&林木遗传育种中平衡不平衡、规则不规则试验数据处理技巧
自营订单满39元（含）免运费
不足金额订单收取运费5元起
邀请好友参加吧
版 次：1页 数：字 数：印刷时间：日开 本：16开纸 张：胶版纸包 装：平装是否套装：否国际标准书号ISBN：2所属分类：&&
下载免费当当读书APP
品味海量优质电子书，尊享优雅的阅读体验，只差手机下载一个当当读书APP
本商品暂无详情。
当当价：为商品的销售价，具体的成交价可能因会员使用优惠券、积分等发生变化，最终以订单结算页价格为准。
划线价：划线价格可能是图书封底定价、商品吊牌价、品牌专柜价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品曾经展示过的销售价等，由于地区、时间的差异化和市场行情波动，商品吊牌价、品牌专柜价等可能会与您购物时展示的不一致，该价格仅供您参考。
折扣：折扣指在划线价（图书定价、商品吊牌价、品牌专柜价、厂商指导价等）某一价格基础上计算出的优惠比例或优惠金额。如有疑问，您可在购买前联系客服咨询。
异常问题：如您发现活动商品销售价或促销信息有异常，请立即联系我们补正，以便您能顺利购物。
当当购物客户端手机端1元秒
当当读书客户端万本电子书免费读相关文章推荐
决策树利用树形结构进行分类和回归，构建树的指标有多种，其中一种就是方差。在介绍决策树类算法前，首先介绍一下Spark MLlib中基本的统计。Spark官方提供了summary statistics、...
分布式计算系统最常见的问题就是OOM问题，本文主要讲述Spark中OOM问题的原因和解决办法，并结合笔者实践讲述了一些优化技巧。涉及shuffle内存溢出，map内存溢出。spark代码优化技巧和sp...
这几年来，机器学习和数据挖掘非常火热，它们逐渐为世界带来实际价值。与此同时，越来越多的机器学习算法从学术界走向工业界，而在这个过程中会有很多困难。数据不平衡问题虽然不是最难的，但绝对是最重要的问题之一...
不均匀正负样本分布下的机器学习
@机器学习那些事儿 发起的讨论,
@好东西传送门 整理于
39 条精选讨论（选自165条原始评论和转发）
这几年来，机器学习和数据挖掘非常火热，它们逐渐为世界带来实际价值。与此同时，越来越多的机器学习算法从学术界走向工业界，而在这个过程中会有很多困难。数据不平衡问题虽然不是最难的，但绝对是最重要的问题之一...
ROC曲线（Receiver Operating Characteristic Curve）是利用Classification模型真正率（True Positive Rate）和假正率（False P...
ROC（Receiver Operating Characteristic）曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣，对两者的简单介绍见[这里](http:/...
作者：无影随想
时间：2016年1月。
出处：/2016/01/learning-from-imbalanced-data.html
声明：版权所...
这几年来，机器学习和数据挖掘非常火热，它们逐渐为世界带来实际价值。与此同时，越来越多的机器学习算法从学术界走向工业界，而在这个过程中会有很多困难。数据不平衡问题虽然不是最难的，但绝对是最重要的问题之一...
转自：/a/5975
选自Analytics Vidhya
作者：Upasana Mukherjee
机器之心编译
参与：马亚...
他的最新文章
讲师：董晓杰
讲师：姚远
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
不平衡数据采样方法的对比学习.pdf 3页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：100 &&
你可能关注的文档：
··········
··········
文章编号：(5—03
不平衡数据采样方法的对 比学习
Comparativestudyofre-samplingm ethodsforimbalanceddatasets
(1．福建师范大学；2．福建省侨兴轻工学校)王晓娟 1,2郭躬德
WANGXiao-juan GUO Gong—de
摘要：不平衡数据的研 究是近年来数据挖掘 的一大研 究．热点，针对不平衡数据的众多研究方法 中，重采样是一个重要的研 究
方向。重采样的方法多种多样，本文从 中选取 了10种不同的重采样方法，通过对其进行对 比学习，从实验 中得到一些有益的
结论：在不同的数据集上，过采样方法比欠采样方法更能取得较好的效果；过采样的实验结果也优于将过采样与欠采样结合
关键词：不平衡数据；重采样；过采样；欠采样}对E匕学习
中图分类号：TP311
文献标识码：A
Abstract：Study onimbalanced data setsiSa hotresearch topic recently in dataminingdomain．Re—samplingisakeyresearch di—
rection among many approachesforimbalanced datasets．There aremany differentmethodsfordealing with imbalanced data sets．
Ten differentRe—sampling methodsare chosen forcomparative study．Some beneficiaIresuhsare obtained from experiments that
over-sampling methodsperform betterthan under-sampling methods on differentdata sets．Over-sampling methodsare alsobetter
than anensemblemethodofover—samplingand under—sampling．
Keywords：imbalanceddatasets；re-sampling；over—sampling；under-sampling；comparativestudy
少数类样本的识别率较低，这样就会导致少数类样本数据被错
分为多数类的几率增大。因此对于不平衡数据的分类戚们不能
不平衡数据集的主要特点是数据集中某一类样本的数 目
再用分类精度作为其评价标准，而应该引入其他评价标准。对于
明显少于其他类样本的数 目。针对不平衡数据集，利用传统的分
不平衡数据的评价标准．常用的有以下几种：
类方法来进行分类，结果明显偏 向多数类，而往往人们更关注的
f11少数类的F-value值
却是少数类，而且少数类的错分代价也很大，如把入侵数据当成
(1+p)recallprecision
— ValUe= ——— ——————————————一
正常数据来处理，将可能造成不可挽回的损失。因此需要提高少
卢 recall+precision
数类的分类精度，这使得解决不平衡数据问题成为近年来数据
公式 1中．对于给定的二类问题 的混淆矩阵(gL表 1)Preci—
挖掘的一个研究热点。对于不平衡数据的研究萁 中一个重要的
sion=TP／(TP+FP)，Reeall=TP／(TP+FN)
研究方向就是对原始数据进行重采样。重采样包括过
正在加载中，请稍后...