Consideraciones
Hay que empezar diciendo primero que las funciones incluidas en el código posteado, corresponden a: library(bimba)
,
Dicho paquete tal como indica su autor: se encuentra en constante desarrollo, en tal sentido no se encuentra disponible aún en el CRAN de R.
Sobre lo anterior ya se preguntó aquí: Cómo conseguir el package “XXX” si no está disponible para la versión R w.y.z
Por lo expuesto, se tiene situaciones como las siguientes: al revisar el repositorio de github en cuestión, no he sido capaz de ubicar el script o la documentación respectiva que indique el funcionamiento de compute_oversample_size
, lo anterior también aplica con extract_classes
-si alguien puede indicar dónde están estupendo-.
Adicionalmente, el autor de bima
ha definido la función ROS como Random Over-Sampling:
que en español significa: Sobremuestra aleatoria
, esto se emplea básicamente para introducir sesgo, seleccionando más muestras de una clase que de otra, a efecto de balancear los datos.
Más sobre el anterior procedimiento en Oversampling and undersampling in data analysis -no he encontrado documentación en español-
Alternativas
R ofrece por suerte un paquete oficial llamado ROSE, aquí se puede descargar Package source: ROSE_0.0-3.tar.gz para una posible integración con Java como se acotará más adelante.
Una recomendación es revisar bien los conceptos en este articulo empleando dicho paquete Imbalanced Classification in R en especial los relacionados con Oversampling
.
Considero esta sugerencia válida sí se quiere pasar de R a Java el código fuente del citado paquete, porque se tiene que verificar que la implementación efectuada, arroje con los mismos datos y parámetros, resultados acordes a los que se obtendría si estos se efectuaran con el paquete ROSE en R antes de lanzarlo a producción.
En este post, he comentado algunas consideraciones con respecto al algebra lineal en R para Machine Learning.
Sobre Java
Cuando se menciona R y Java es importante indicar que no se trata del paquete rJava
, este permite correr Java dentro de R.
Asimismo siento decir que existe un proyecto para correr R dentro de Java llamado JRI al ver la biblioteca la última actualización que ha tenido, corresponde al 2017, no sé si el proyecto ha sido abandonado o sigue en funcionamiento, habría que buscar más al respecto.
No obstante hay unos post donde indican como hacer la implementación de R a Java con JRI, pero por cuestiones de tiempo y al ser tan extenso este tema, no he podido probar:
En mi opinión si no se está buscando algo muy especial..., se tome el paquete ROSE -revisar el copyright y la licencia GPL-2- y lo llames a través de una herramienta si no es JRI similar, para su integración mediante un Bridge
.
Aunque hay un aspecto importante a considerar: ROSE también depende de los siguientes paquetes: MASS, nnet, rpart, tree
y aquí comienza el trabajo de hormiga porque se tendría que ver que funciones de ROSE se van a usar e ir descartando paquetes... y los incluidos ver cuales necesitan para funcionar...
En este post ¿Es posible usar un paquete no estándar en Repl.it? se detalla lo anterior, asimismo indique en uno de los comentarios, que mediante pip (package manager) se podía instalar el paquete que se requiere, con todas sus dependencias fuera de RStudio. Aclaro que esto no lo he probado en Eclipse o Android Studio
La situación antes expuesta no es ajena a bimba
al ver la documentación DESCRIPTION se indica que paquetes requiere y cuales son sugeridos.
Por último, es complejo migrar un código de un lenguaje que no se está familiarizado -con las sutilezas que puede traer o las dependencias que puedan existir entre sus bibliotecas- a otro que ya se domina (ya sea de R a Java o de Java a R), por tal motivo en esta situación considero que tener un algoritmo especifico para lo que se quiere, sería mucho más útil, ya que respalda la lógica de la implementación... esto de mi experiencia es más valioso en última instancia.