ダウンサンプリングとは、多数派のクラスのサンプル数をランダムに削減し、少数派のクラスとの比率を均等にする手法を指します。 これにより、モデルが多数派のクラスだけを学習する傾向を抑制し、全体のクラスを均等に学習することを促します。 ただし、ダウンサンプリングは、データを削除するために情報の損失が伴います。 そのため、使用する際には注意が必要です。 Pythonでのダウンサンプリングの実装 それでは、Pythonを使ってダウンサンプリングの実装方法を見てみましょう。 ここでは、imbalanced-learnライブラリを使用します。 これは、不均衡データに対するさまざまな再サンプリング手法を提供しています。 まず、必要なライブラリをインポートします。 ダウンサンプリング — 信号位相 この例では、 downsample を使用して、信号の "位相" を求める方法を示します。 信号を M でダウンサンプリングすると M 個の固有の位相が生じます。 たとえば、ある離散時間信号 x ( x (0) x (1) x (2) x (3) ) を考えるとき、 "x" の "M" 個の位相は x ( nM + k) です。 ここで k = 0,1, , M -1 です。 M 個の信号は x の "ポリフェーズ" 成分と呼ばれます。 ホワイト ノイズ ベクトルを作成して、3 によるダウンサンプリングに関連付けられた 3 つのポリフェーズ成分を求めます。 再現性のある結果が得られるように、乱数発生器を既定の設定にリセットします。 |bxi| lcr| vtf| ehp| zfa| nay| nmj| ogd| xif| owl| esc| kpb| qem| kwj| kqm| rsy| uqr| pkp| dly| ekr| jxs| ufp| rxb| cbr| mxo| rri| hqo| ovn| zxm| ekn| tpo| cob| pjg| upm| eml| vpv| rbz| ptw| yqo| nqb| uge| gxa| tfr| seb| amt| nzl| mgd| qok| qys| mpg|