PrInDT 中的重复欠采样（RePrInDT）：欠采样与预测的变异性及集成中预测变量的排序
应用统计
2021-08-12 v1
摘要
在本文中，我们将我们的 PrInDT 方法（Weihs & Buschfeld 2021a）扩展至较小类和较大类不同百分比（psmall 和 plarge）的欠采样、预测变量的分层、预测阈值的变动，以及集成中变量重要性的度量。将这些方法应用于一个语言学示例表明：1. 在欠采样中，仔细选择百分比 plarge 和 psmall 对于构建具有高平衡准确率的模型很重要；2. 预测变量的分层并未大幅提升平衡准确率；3. 降低较小类的预测阈值被证明是欠采样的一种替代方法，因为它增加了较小类被选中的可能性。最后，我们引入一种对预测变量重要性进行排序的方法，可对结果进行直观解释。
引用
@article{arxiv.2108.05129,
title = {Repeated undersampling in PrInDT (RePrInDT): Variation in undersampling and prediction, and ranking of predictors in ensembles},
author = {Claus Weihs and Sarah Buschfeld},
journal= {arXiv preprint arXiv:2108.05129},
year = {2021}
}