增加权重或为降采样的样本添加权重

你好,我已经对数据集进行了降采样,现在需要帮助来增加权重或为降采样的样本添加权重。请看下面的代码

#Separating majority and minority classesdf_majority = data[data.Collected_ind == 1]df_minority =  data[data.Collected_ind == 0]# Downsample majority classdf_majority_downsampled = resample(df_majority,                                  replace=False,    # sample without replacement                                 n_samples=152664,     # to match minority class                                 random_state=1) # reproducible results# Combining minority class with downsampled majority classdf_downsampled = pd.concat([df_majority_downsampled, df_minority])# Display new class countsdf_downsampled.Collected_ind.value_counts()df_downsampled['Collected_ind'].value_counts()df_downsampled['Collected_ind'].value_counts(normalize=True)#Randomly shuffle the rows.df_downsampled = df_downsampled.sample(frac=1)df_downsampled.to_csv("Sampled_Data.csv", index=False)#Generate a train and test dataset train = df_downsampled.sample(frac=0.8)test = df_downsampled.drop(train.index)train.to_csv("trainNew.csv", index=False)test.to_csv("testNew.csv", index=False)   

回答:

你的问题实际上帮助我解答了自己的问题,因为我正在寻找这种语法。既然我已经在这里了,我就给你展示一下我在做什么。我不知道你的权重定义是否与我的一样,但我们使用的是:

class_weight = (original_class_count/original_row_count) / (new_class_count/new_row_count)

所以,为了重新格式化你的代码,我会用len(df_minority)替换n_samples,然后通过动态使用各个数据框的长度,将上述公式作为一列添加到你的数据框中。

也许像这样

df_downsampled['weight']=np.where(df_downsampled['Collected_Ind']==1,(len(df_majority) / len(data) ) / ( len(df_minority) / len(df_minority) *2),(len(df_minority) / len(data) ) / ( len(df_minority) / len(df_minority) *2))

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