Weka采样相关疑问：有监督与无监督重采样区别及Bootstrap使用方法

两个过滤器的本质差异为是否参考数据集的类别标签分布执行采样，适用场景完全不同：

• unsupervised->instances->resample：无监督重采样，采样过程完全忽略类别标签，仅做纯随机抽样，采样完成后数据集的类别占比可能和原始分布存在较大偏差。如果直接用于不平衡数据集的平衡处理，大概率会加剧数据分布倾斜，不适合该场景。
• supervised->instances->resample：有监督重采样，采样过程会严格对齐原始数据集的类别分布，你做不平衡数据集平衡时可以通过调整参数实现目标效果：将biasToUniformClass参数设置为1时，采样后所有类别的样本量会完全一致，既可以实现少数类过采样，也可以实现多数类欠采样，是处理类别不平衡的优先选择。

Weka没有单独命名为「Bootstrap」的独立功能入口，但可以通过两种成熟方案实现标准自助采样：

• 过滤器实现：调用unsupervised->instances->resample，将sampleSizePercent参数设置为100，同时将noReplacement参数设置为false（开启有放回采样），得到的就是和原始数据集规模一致、符合Bootstrap规则的采样结果。如果你需要做带类别分布约束的Bootstrap采样，改用supervised->instances->resample调整对应参数即可。
• 分类器内置调用：如果你是在分类器训练流程中使用Bootstrap，大部分集成分类器都内置了该逻辑，比如Bagging、Random Forest默认就采用Bootstrap采样生成每个基学习器的训练集，不需要额外做预处理。

内容的提问来源于stack exchange，提问作者Encipher