Python 中的不平衡学习模块
不平衡学习是一个 Python 模块，有助于平衡高度倾斜或偏向某些类的数据集。因此，它有助于对过采样或未采样的类进行重采样。如果有更大的不平衡率，输出偏向于有更多例子的类。要使用不平衡学习，需要安装以下依赖项:
- scipy(= 0.19.1)
- numpy(>=1.13.3)
- scikit-learn（>=0.23）
- joblib(>=0.11)
- 硬 2（可选）
- 张量流（可选）
要安装不平衡学习，只需键入:
pip install imbalanced-learn
数据的重采样分两部分进行:
估计器:它实现了一种拟合方法，该方法源自 scikit-learn 。数据和目标都是 2D 阵列的形式
estimator = obj.fit(data, targets)
重采样器:fit _ resample方法将数据和目标重采样到字典中，字典中的键值对为data _ resample和targets _ resample。
data_resampled, targets_resampled = obj.fit_resample(data, targets)
不平衡学习模块有不同的过采样和欠采样算法:
我们将使用名为make _ classing数据集的内置数据集，该数据集返回
- x:n 个样本*n 个特征的矩阵
- y: 整数标签的数组。
点击数据集获取使用的数据集。
Python 3
# import required modules
from sklearn.datasets import make_classification
# define dataset
x, y = make_classification(n_samples=10000,
weights=[0.99],
flip_y=0)
print('x:\n', X)
print('y:\n', y)
输出:
以下是一些描述如何对数据集应用过采样和欠采样的程序:
过采样
- 随机过采样:这是一个天真的方法，生成实例少的类，然后随机重新采样。
语法:
来自 imblearn.over_sampling 导入 RandomOverSampler
参数(可选):采样策略= '自动'，返回指数=假，随机状态=无，比率=无
实现: 过采样=随机多采样(sampling_strategy= '少数派') X _ 过采样，Y _ 过采样=过采样. fit _ 重采样(X，Y)
返回类型:形状为 n 个样本*n 个特征的矩阵
示例:
Python 3
# import required modules
from sklearn.datasets import make_classification
from imblearn.over_sampling import RandomOverSampler
# define dataset
x, y = make_classification(n_samples=10000,
weights=[0.99],
flip_y=0)
oversample = RandomOverSampler(sampling_strategy='minority')
x_over, y_over = oversample.fit_resample(x, y)
# print the features and the labels
print('x_over:\n', x_over)
print('y_over:\n', y_over)
输出:
- SMOTE、ADASYN: 合成少数过采样技术(SMOTE)和自适应合成(ADASYN)是过采样中使用的两种方法。这些也产生低的例子，但是 ADASYN 考虑了分布密度以均匀分布数据点。
语法:
来自 imb learn . over _ sampling import SMOTE，ADASYN
参数(可选): *，sampling_strategy='auto '，random_state=None，n_neighbors=5，n_jobs=None
实现: smote = SMOTE(比率= '少数') X_smote，Y_smote=smote.fit_resample(X，Y)
返回类型:形状为 n 个样本*n 个特征的矩阵
示例:
Python 3
# import required modules
from sklearn.datasets import make_classification
from imblearn.over_sampling import SMOTE
# define dataset
x, y = make_classification(n_samples=10000, weights=[0.99], flip_y=0)
smote = SMOTE()
x_smote, y_smote = smote.fit_resample(x, y)
# print the features and the labels
print('x_smote:\n', x_smote)
print('y_smote:\n', y_smote)
输出:
欠采样
- 编辑的最近邻:该算法移除标签与其相邻类的标签不同的任何样本。
语法:
来自 imblearn.under_sampling 导入编辑最近的邻居
参数(可选): sampling_strategy='auto '，return _ indices = False，random_state=None，n_neighbors=3，kind_sel='all '，n_jobs=1，ratio=None
实施: en =编辑近邻() X_en，Y_en=en.fit_resample(X，y)
返回类型:形状为 n 个样本*n 个特征的矩阵
示例:
Python 3
# import required modules
from sklearn.datasets import make_classification
from imblearn.under_sampling import EditedNearestNeighbours
# define dataset
x, y = make_classification(n_samples=10000, weights=[0.99], flip_y=0)
en = EditedNearestNeighbours()
x_en, y_en = en.fit_resample(x, y)
# print the features and the labels
print('x_en:\n', x_en)
print('y_en:\n', y_en)
输出:
- 随机欠采样:包括对任意随机类进行采样，有无替换。
语法:
来自 imblearn.under_sampling 导入 RandomUnderSampler 参数(可选): sampling_strategy='auto '，return _ indices = False，random_state=None，replacement=False，ratio=None
实现: 欠采样= RandomUnderSampler() X _ under，y_under =欠采样. fit_resample(X，y)
返回类型:形状为 n 个样本*n 个特征的矩阵
示例:
Python 3
# import required modules
from sklearn.datasets import make_classification
from imblearn.under_sampling import RandomUnderSampler
# define dataset
x, y = make_classification(n_samples=10000,
weights=[0.99],
flip_y=0)
undersample = RandomUnderSampler()
x_under, y_under = undersample.fit_resample(x, y)
# print the features and the labels
print('x_under:\n', x_under)
print('y_under:\n', y_under)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
