Some Rules of ThumbConsider testing

Some Rules of Thumb

Consider testing under-sampling when you have an a lot data (tens- or hundreds of thousands of instances or more)
Consider testing over-sampling when you don’t have a lot of data (tens of thousands of records or less)
Consider testing random and non-random (e.g. stratified) sampling schemes.
Consider testing different resampled ratios (e.g. you don’t have to target a 1:1 ratio in a binary classification problem, try other ratios).

Results (Thai) 1:

บางกฎของหัวแม่มือพิจารณาสุ่มตัวอย่างน้อยกว่าการทดสอบเมื่อคุณมีการรับข้อมูล (หลายสิบหรือหลายร้อยหลายพันของอินสแตนซ์หรือมากกว่า)พิจารณาการทดสอบตัวอย่างมากกว่าเมื่อคุณไม่มีข้อมูล (หมื่นระเบียน หรือน้อยกว่า)พิจารณาการทดสอบแบบสุ่ม และแบบไม่สุ่มตัวอย่าง (เช่นจำนวนชั้นของเซลล์)พิจารณาการทดสอบแตกต่างกันปรับจำนวนพิกเซลอัตราส่วน (เช่นคุณไม่มีการกำหนดเป้าหมายอัตราส่วน 1:1 ในปัญหาประเภทไบนารี ลองอัตราส่วนอื่น ๆ)

Results (Thai) 2:

กฎบางอย่างของหัวแม่มือ

พิจารณาการทดสอบภายใต้การสุ่มตัวอย่างเมื่อคุณมีข้อมูลจำนวนมาก (tens- หรือหลายร้อยหลายพันกรณีหรือมากกว่า)
พิจารณาการทดสอบมากกว่าการสุ่มตัวอย่างเมื่อคุณไม่ได้มีข้อมูลจำนวนมาก (นับหมื่นของระเบียนหรือ น้อยกว่า)
. พิจารณาการทดสอบแบบสุ่มและไม่สุ่ม (เช่นแซด) แผนการสุ่มตัวอย่าง
พิจารณาการทดสอบอัตราส่วน resampled ที่แตกต่างกัน (เช่นคุณไม่ได้มีการกำหนดเป้าหมายให้อัตราส่วน 1: 1 ในการจัดหมวดหมู่ปัญหาไบนารีลองอัตราส่วนอื่น ๆ )

Results (Thai) 3:

บางกฎง่ายพิจารณาภายใต้การทดสอบตัวอย่างเมื่อคุณมีมากข้อมูล ( สิบหรือหลายร้อยหลายพันของอินสแตนซ์หรือมากกว่า )พิจารณาการทดสอบมากกว่า ) เมื่อคุณไม่ได้มากของข้อมูล ( หลักสิบของพันของระเบียนหรือน้อยกว่า )พิจารณาการทดสอบแบบสุ่มและไม่สุ่ม ( เช่นชั้น ) โครงร่างการวิจัยพิจารณาที่แตกต่างกันซึ่งจะช่วยลดเวลาในการทดสอบอัตราส่วน ( เช่นคุณไม่ต้องเป้าหมายอัตราส่วนเป็น 1 : 1 ในปัญหา ประเภทไบนารีพยายามอัตราส่วนอื่น ๆ )