[R] 데이터 불균형 해소

오늘은 이어서 데이터 불균형 해소를

 

간단한 R코드를 통해 알아보겠습니다.

 

2022.03.20 - [학회 기록/학회 세션] - 데이터 불균형 해소

데이터 불균형 해소

이전 발행 글은 위를 참고하시면 됩니다.

 

기본 데이터

# 문과(0) 이과(1)
set.seed(0320)

y = c(rep(0, 15),
      rep(1, 50))

y = as.factor(y)

math = c(rnorm(15, 50, 15),
         rnorm(50, 70, 12)) 

eng = c(rnorm(15, 70, 12),
        rnorm(50, 60, 18))

data = data.frame(y, math, eng)

plot(data$math, data$eng,
     col=as.numeric(data$y))

table(data$y)
>>>  0  1 
    15 50

 

랜덤 언더샘플링

문과 = data[1:15, ]
new_이과 = data[sample(16:65, 15), ]
data11 = rbind(문과, new_이과)

plot(data11$math, data11$eng,
     col=as.numeric(data11$y))

table(data11$y)
>>>  0  1 
    15 15

 

Tomek links

library(UBL)

# 범주 1을 삭제하는Classif
TL = TomekClassif(y~., dat = data, Cl = 1)
data12 = TL[[1]]

plot(data12$math, data12$eng,
     col=as.numeric(data12$y))

table(data12$y)
>>>  0  1 
    15 43

 

랜덤 오버샘플링

new_문과 = data[sample(15, 50, replace=T), ]
이과= data[16:65, ]
data21 = rbind(new_문과, 이과)

plot(data21$math, data21$eng,
     col=as.numeric(data21$y))

15개의 데이터가 중첩이 돼서 표시되는 것이므로 똑같이 표시됩니다!

table(data21$y)
>>>  0  1 
    50 50

 

가우시안 노이즈

new_문과 = data[sample(15, 50, replace=T), ]
new_문과$math = new_문과$math + rnorm(50, 0, 1)
new_문과$eng = new_문과$eng + rnorm(50, 0, 1)
data22 = rbind(new_문과, 이과)

plot(data22$math, data22$eng,
     col=as.numeric(data22$y))

table(data22$y)
>>>  0  1 
    50 50

 

SMOTE

library(smotefamily)

data23 = SMOTE(data[,2:3], as.numeric(data$y))$data

colnames(data23)[3] = "y"
data23$y = as.factor(as.numeric(data23$y)-1)

plot(data23$math, data23$eng,
     col=as.numeric(data23$y))

table(data23$y)
>>>  0  1 
    45 50

---

Copyright

 

- 비어플 빅데이터 학회