どのようにしてrでいくつかのデータセットを作ることができますか？

Question

私は不均衡な学習問題を研究しています。 「不均衡」とは、データセットがそのクラス間で不均等な分布を示していることを意味します。たとえば、1000個の例でバイナリ分類の問題を指定した場合などです。合計900の例はクラス0でラベル付けされ、その他の例ではクラス1でラベル付けされます。

分類アルゴリズムのほとんどは、データセットの基本的な分布を考慮しないため、この「不均衡な学習の問題」を処理しませんでした。すべての例をクラス0に分類すると、90％の精度が得られるからです。

クラスの不均衡の分類における主要な問題の1つは、データセット内のクラスオーバーラップの発生です。 （クラス不均衡問題を伴う分類：Aida Ali、Siti Mariyam Shamsuddin、Anca L.Ralescu、ISSN 2074-8523）

私はこれらをシミュレートしたい1）データセットの重複度が異なる場合のいくつかのメソッドの比較、2）クラスの不均衡の範囲内でデータセットが存在する場合のいくつかのメソッドの比較などの問題 datasets have overlapping

datasets have within class imbalance

だから私は、rでデータセットを作成する必要があり、私はこれらのデータセットを生成する方法がわかりません。 私はいくつかの独立変数

set.seed(3) 
x1 <- rnorm(n)   # normal dist 
x3 <- rexp(n)   # exponential dist 
x5 <- rpois(n,lambda=3) # poisson dist 
error <- rnorm(n)   # error term 

を作るそして今、私はこれらのXさんとの関係を持つクラス変数Yを行う必要があります。 Xの係数で重なり率を調整できると思います。

IR <- 90 # IR means imbalanced ratio 'IR=# of class0/# of class1' 
eta <- -200*x1 + 0.5*sin(x3) + 300*x5^3 + error 
Y <- as.factor(ifelse(eta > quantile(eta, IR/(IR+1)), 1, 0)) 

実際には、コードが正しいかどうかわかりません。また、私はどのようにクラスの不均衡のデータセット内で作ることができますか。 私を助けることができますか？このデータセットを作成するにはどうすればよいですか？

Answer 1

twoClassSimキャレットパッケージから組み込み関数を使用できます。

library(caret) 
set.seed(123) 
data <- twoClassSim(
    1000, 
    intercept = -16.5, 
    linearVars = 15, 
    noiseVars = 5 
) 
table(data$Class) 

Class1 Class2 
    899 101