Zdravim,potreboval by som poradit ohladom DM a predspracovania dat.Mam velky data set ,ale su v nom nerovnomerne zastupene kategorie....Jedna kategoria ma 80 % a dve maju len do 1%.Na jednom fore som cital,ze by sa to dalo vyriesit tym ,ze by som jednotlivym kategoriam pridal vahy ,ktore budu v obratenom pomere k ich vyskytu.Cize kategoria ,ktora ma najpocetnejsie zastupenie by mala najmensiu vahu a naopak najmenej pocetna kategoria by mala najvyssiu vahu.Bolo by to mozne vyriesit takto?Celkom to dava zmysel,ale nikde neviem najst nejaku literaturu,ktora by to potvrdila.Dakujem za odpoved.

Z tvojho opisu sa to povedat neda.
Aky problem riesis? Co to ma robit? Co tym chces dosiahnut?

Riesim tuto vzorku vid https://kdd.ics.uci.edu/databases/kddcu ... cup99.html
Ide o vybudovanie nejakeho modelu(klasifikatora), ktory vlastne bude vediet rozlisit normalne spravanie od utoku.Skusam to robit v Rku,ale po nacitani udajov som zistil,ze je velky nepomer v kategoriach.

Asi najdolezitejsie je aky klasifikator chces pouzit. Podla toho, na mnohe to nepotrebujes vahovat.

Chcem pouzit rozhodovaci strom. Pre kategorie pod 1 percento vysli nulove vysledky,ked som im pridelil obratene vahy tak sa uspesnost zvysila na 30 percent.

sprav n-fold cross validation a uvidis ci ti to ovazenie naozaj pomohlo