请教决策树样本选择的问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在实际数据挖掘案例中遇到一个难题。
背景：假设一天交易的订单有1000万，其中有999.9万个是正常样本，剩下的是作弊样本，想建立决策树发现作弊样本的特点，请问，在建模数据的时候正常样本假如选5万，作弊样本应该选多少呢？如果直接按作弊样本的浓度选的话，只有几个，显然是不行的，如果全选的话，会使样本失衡。坏样本的识别可能会出问题。

问题：作弊样本选择多少个？模型建立之后如何应用到实践当中呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：样本选择 决策树 数据挖掘案例 数据挖掘 实际数据 样本

作弊样本占的比例本来就很少，可以全部选，不过要结合具体数据的特征来决定

使用平衡节点，使两者的数据个数大体一样。

kuangsir6 发表于 2014-8-26 22:01
使用平衡节点，使两者的数据个数大体一样。

非常感谢，具体如何操作，能说的具体些吗

502129 发表于 2014-8-27 10:50
非常感谢，具体如何操作，能说的具体些吗

参看平衡节点展开图，因子就是样本放大的倍数。

502129 发表于 2014-8-27 10:50
非常感谢，具体如何操作，能说的具体些吗

下图是性别的平衡节点展开图，SEX=1代表男性；因子为6，代表男性数量乘以6.

kuangsir6 发表于 2014-8-27 11:05
下图是性别的平衡节点展开图，SEX=1代表男性；因子为6，代表男性数量乘以6.

厉害啊，我还是有点困惑的是：我们是要建立决策树，然后再应用到实际当中（准备预测哪些是坏样本），实际本来就不平衡，如果我们人为调整之后，小样本变成了大样本，特征是不是被放大了，那结果还是理想的吗？或者这样处理有什么科学依据吗

502129 发表于 2014-8-27 11:17
厉害啊，我还是有点困惑的是：我们是要建立决策树，然后再应用到实际当中（准备预测哪些是坏样本），实际 ...

有的，不过背景太多，一言难尽。

kuangsir6 发表于 2014-8-27 11:19
有的，不过背景太多，一言难尽。

可以加qq或者微信聊下吗？564619688，望不吝赐教。

平衡后的样本做出模型效果不错，但应用到原来全部样本，效果特别差，命中率才5%，该怎么处理呢？先谢过诸位了。。