Сэмплирование (англ. data sampling ) — метод корректировки обучающей выборки с целью балансировки распределения классов в исходном наборе данных. Нужно отличать этот метод от сэмплирования в активном обучении для отбора кандидатов и от сэмплирования в статистике [1] для создания подвыборки с сохранением распределения классов. Неравномерное...
"无意中 "偶然发现
https://neerc.ifmo.ru/wiki/index.php?title=%D0%9F%D0%BE%D0%B8%D1%81%D0%BA_%D0%B0%D1%80%D1%85%D0%B8%D1%82%D0%B5%D0%BA%D1%82%D1%83%D1%80%D1%8B_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%BE%D0%B9_%D1%81%D0%B5%D1%82%D0%B8
谁听说过/读过/用过关于BANANAS算法 的东西？
这是一项关于阶级平衡的严肃研究，还没有完成
是的，有很多方法--现在只是要弄清楚哪些方法是有效的。
下面是 各种方法描述的汇编。
我不知道你在这里讨论什么。
有两个特征空间（各取5个主成分）。
在对交易进行随机抽样的情况下。
在聚类为2个群组的情况下。
问题：在正确的标签和良好的类别划分之间找到平衡点。
在简单聚类的情况下，标签当然不适合用于交易
在抽样交易的情况下--特征空间并不理想
类似的事情已经在R中用mytarmailS 完成了。我试着在班级内教授模型，然后把它们合并成一个模型--模型过度学习的情况更多。也许我测试得还不够。
"无意中 "偶然发现
https://neerc.ifmo.ru/wiki/index.php?title=%D0%9F%D0%BE%D0%B8%D1%81%D0%BA_%D0%B0%D1%80%D1%85%D0%B8%D1%82%D0%B5%D0%BA%D1%82%D1%83%D1%80%D1%8B_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%BE%D0%B9_%D1%81%D0%B5%D1%82%D0%B8
谁听说过/读过/使用过BANANAS算法？
试试吧，以后再告诉我吧 :)
华丽的图片。也许这就是圣杯 在N维空间的投影中的样子...
华丽的图片。也许这就是圣杯从N维空间投射出来的样子......。
多写点东西））为你喝彩......。
我不知道你在这里讨论什么。
既然你终于找到了psa，那就用非正常化的价格在比如说20的窗口做一个分解，看看你得到了什么，我想这将是很有趣的。
试试吧，以后再告诉我吧 :)
我希望我知道的英语像本地人一样( 他们被称为BANANAS，谷歌在这个搜索上收集了这么多的垃圾(
一旦我接触到python，我就得试试）我想用俄语做一些更详细的东西。
华丽的图片。也许这就是圣杯在N维空间的投影中的样子...
既然你终于找到了psa，那就在一个非正常化的价格窗口中做一个分解，比如说20，看看会发生什么，我想这将是很有趣的。
嗯，现在是村里的早晨...
嗯，现在是村里的早晨...
什么？