不平衡的多类分类管道

如何解决不平衡的多类分类管道

在3类分类问题中,我有一个矩阵X(特征,昏暗的320x7)和一个数组y(目标,昏暗的320x1)。我为5种不同的模型实现了gridsearchcv,以检查哪种模型最好,并调整其超参数。为了尽可能严格,我创建了一个管道来对每个折叠执行数据预处理。管道包括缩放,重采样和分类器。

由于目标向量不平衡(请参见图片),因此我使用SMOTE来平衡这三个类。现在的问题是,尽管我认为整个过程的顺序是正确的,但我的训练准确度非常高(0.9-0.99),但测试准确度却很低(0.5-0.55),我无法确定这是由于过拟合造成的错误的超参数空间搜索,或者是由于我的数据质量。

如果有人能照亮它,我将不胜感激。谢谢。

Class distribution

这是代码

# Import modules

import pickle
import numpy as np
from imblearn.over_sampling import SMOTE
from sklearn.model_selection import  gridsearchcv
from sklearn.preprocessing import MinMaxScaler 
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier,BaggingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassifier
from imblearn.pipeline import Pipeline
from sklearn.decomposition import PCA
from sklearn.svm import SVC

# Load features and target
with open('data.pkl','rb') as f: 
    dataset = pickle.load(f) 
X = dataset['X']
y = dataset['y']

#%% Grid-search cross validation for different models

# Model search space
models = {
            'LogisticRegression'     : LogisticRegression(),'SVM'                    : SVC(),'RandomForestClassifier' : RandomForestClassifier(),'BaggingClassifier'      : BaggingClassifier(),'KNN'                    : KNeighborsClassifier()}

# Hyperparameter search space
hyper = {
            'LogisticRegression':{
                                        'clf__penalty'     : ['l2'],'clf__C'           : np.logspace(-4,4,10),'clf__solver'      : ['lbfgs','newton-cg','saga'],'clf__max_iter'    : [1000,1500,2000],'clf__random_state': [0]},'SVM':{
                                        'clf__C'           : [0.001,0.01,0.1,1,10,100,1000,10000],'clf__gamma'       : [0.01,0.001,0.0001],'clf__kernel'      : ['rbf','linear'],'RandomForestClassifier':{
                                        'clf__max_depth': [2,3,5,6],'clf__max_features': [2,'auto','sqrt'],'clf__n_estimators': [10,500,1000],'KNN':{
                                        'clf__n_neighbors': [3,8,16]},'BaggingClassifier':{
                                        'clf__base_estimator': [DecisionTreeClassifier()],'clf__max_samples'   : [0.05,0.2,0.5],'clf__n_estimators'  : [10,50,500],'clf__max_features'  : [0.1,0.3,0.5]}
        }

# Create variable to store CV results
grid_cv_results = dict()

# Scaler 
escaler = MinMaxScaler()

# resampling
resampler = SMOTE(sampling_strategy = 'all',random_state = 0)

# Perform cross-validation for each model
for model_name in models.keys():
    
    # Get model and hyperparameters
    clf    = models[model_name]
    params = hyper[model_name]
    
    # Pipeline (standarization + classifier)
    pipe = Pipeline([('scale',escaler),('sampling',resampler),('clf',clf)])
    
    # Gridsearch cross-validation
    grid = gridsearchcv(estimator = pipe,param_grid = params,cv = 5,return_train_score = True)
    grid.fit(X,y)
    
    # Gridsearch cross-validation results
    best_param                  = grid.best_params_
    best_param_test_score_mean  = grid.cv_results_['mean_test_score'][grid.best_index_]
    best_param_test_score_std   = grid.cv_results_['std_test_score'][grid.best_index_]
    best_param_train_score_mean = grid.cv_results_['mean_train_score'][grid.best_index_]
    best_param_train_score_std  = grid.cv_results_['std_train_score'][grid.best_index_]
    
    # Store gridsearch cross-validation results
    grid_cv_results[model_name] = {
                                      'best_param'                  : best_param,'best_param_test_score_mean'  : best_param_test_score_mean,'best_param_test_score_std'   : best_param_test_score_std,'best_param_train_score_mean' : best_param_train_score_mean,'best_param_train_score_std'  : best_param_train_score_std,

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。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?