smotenode 內容

SMOTE 節點圖示 Synthetic Minority Over-sampling Technique (SMOTE) 節點提供一個過度取樣演算法來處理不平衡的資料集。它提供進階方法來平衡資料。 SPSS Modeler 中的 SMOTE 程序節點使用 Python 實作並且需要 imbalanced-learn© Python 程式庫。

表 1. smotenode 內容
`smotenode` 內容	資料類型	內容說明
`target`	欄位	目標欄位。
`sample_ratio`	字串	用於啟用自訂比例值。兩個選項分別為「自動」(`sample_ratio_auto`) 和「設定比例」(`sample_ratio_manual`)。
`sample_ratio_value`	float	比例是少數類別中的樣本數除以多數類別中的樣本數。它必須大於 `0` 並小於或等於 `1`。預設值為 `auto`。
`enable_random_seed`	布林	如果設為 `true`，則將啟用 `random_seed` 內容。
`random_seed`	整數	這是由亂數產生器使用的種子。
`k_neighbours`	整數	要用於建構合成樣本的最近鄰接項數目。預設值為 `5`。
`m_neighbours`	整數	用於判定少數樣本是否有危險的最近鄰接項數目。只有在 SMOTE 演算法類型為 `borderline1` 和 `borderline2` 時，才啟用此選項。預設值為 `10`。
`algorithm`	字串	SMOTE 演算法的類型：`regular`、`borderline1` 或 `borderline2`。
`use_partition`	布林	如果設定為 `true`，那麼僅將訓練資料用於模型建置。預設值為 `true`。