我有一个不平衡的数据集，我使用SMOTE算法对其进行平衡。过采样后，当我打印混淆矩阵时，它显示了以下输出：

支持: ‘0’ 91支持: ‘1’ 209

我的数据集有1000个标签，其中标签1出现了700次，标签0出现了300次，我使用0.3作为测试数据的比例，但为什么显示的支持是91和209呢？
即使我不应用SMOTE算法，它也显示91和209，应用SMOTE后也是相同的数字。

回答：

澄清

首先，这不是一个混淆矩阵，而是一个分类报告。它汇总了可以从混淆矩阵中计算出的指标。

SMOTE的目的

其次，你只对训练集应用SMOTE。因此，如果你在跟随某人的代码，他们会在用SMOTE过采样的训练数据上训练模型。然而，测试是在原始数据上进行的（这是合乎逻辑的）。

你在训练集中使用SMOTE的目的是改善其不平衡性。一旦模型从新过采样的数据中学会了 supposedly 更好的权重，你就继续在你通过train_test_split(X,y,test_size=0.3)分割出的测试数据上进行测试。

代码

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3)X_train_sampled , y_train_sampled = sm.fit_sample(X_train,y_train.ravel())model.fit(X_train_sampled,y_train_sampled) model.predict(X_test)