使用ADASYN算法对多类别数据进行过采样失败

我有一个非常基础的脚本来演示这个问题:

from imblearn.over_sampling import ADASYNimport pandas as pd, numpy as npfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import train_test_splitdata = 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)))

注意,glass.csv来自这个链接

意图是平衡下面的类别不平衡情况:

(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%

以达到相等(或接近相等)的样本数。然而,运行上述代码会产生:

ValueError: No samples will be generated with the provided ratio settings.

ADASYNsampling_strategy更改为minority可以成功地对少数类别6进行过采样,并将其增加到74个样本,但其他类别仍然不平衡。因此,我正在寻找一种方法来使用ADASYN完全对所有少数类别进行过采样。

ADASYN文档说明:'not majority': resample all classes but the majority class;

但显然这并未发生。


回答:

为了解决这个问题,我所做的是对除两个主要多数类别之外的所有类别进行重新采样,并继续通过以下方式进行:

adasyn = ADASYN(sampling_strategy='minority', random_state=8, n_neighbors=3)new_data = datanew_classes = classesfor i in range(len(classes)-2):    new_data, new_classes = adasyn.fit_resample(data, classes)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注