如何解决使用ADASYN算法对多类数据进行过采样失败
我下面有一个非常基本的脚本来演示该问题:
from imblearn.over_sampling import ADASYN
import pandas as pd,numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
data = pd.read_csv('glass.csv')
classes = data.values[:,-1]
data = data.iloc[:,:-1]
adasyn = ADASYN(sampling_strategy='not majority',random_state=8,n_neighbors=3)
new_data,new_classes = adasyn.fit_resample(data,classes)
X_train,X_test,y_train,y_test = train_test_split(new_data,new_classes,test_size = 0.20)
rfc = RandomForestClassifier()
rfc.fit(X_train,y_train)
print("score: {}".format(rfc.score(X_test,y_test)))
Note,glass.csv
comes from this link
目的是平衡以下类别的失衡:
(214,10)
Class=1,Count=70,Percentage=32.710%
Class=2,Count=76,Percentage=35.514%
Class=3,Count=17,Percentage=7.944%
Class=5,Count=13,Percentage=6.075%
Class=6,Count=9,Percentage=4.206%
Class=7,Count=29,Percentage=13.551%
具有相等(或接近相等)的样本。但是,运行上面的代码会产生:
ValueError: No samples will be generated with the provided ratio settings.
将ADASYN
的{{1}}更改为sampling_strategy
成功地对minority
类minority
进行了超采样,并将其带到6
样本中,但是仍然使其余类别保持不平衡。因此,我正在寻找一种使用ADASYN对所有少数群体进行完全过采样的方法。
ADASYN documentation states:
74
但这显然没有发生。
解决方法
为解决此问题,我对所做的工作进行了重采样,但除去了两个主要多数类,并通过以下方式继续这样做:
adasyn = ADASYN(sampling_strategy='minority',random_state=8,n_neighbors=3)
new_data = data
new_classes = classes
for i in range(len(classes)-2):
new_data,new_classes = adasyn.fit_resample(data,classes)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。