解决非平衡的数据处理方式

// 学习笔记，勿喷，xjb写的，借鉴的地方很多

SMOTE 算法介绍

由于在实际运用中，对于分类问题中，因变量时存在很大地差距的，对应的比列严重失调。因为非类的样本毕竟在真实情况下所占的比例时很小的一块。

对于数据严重有偏的，对应的预测的结果也是有偏的，因此对应的分类结果很大程度地偏向较多观测样本的类别。因此，我们在这里需要很大程度的去构造出 1 ： 1的数据比例。如果直接使用 过采样 的处理方式， 这样放回的样本是之前数据的简单的拟合，因此在这里是会出现模型的过拟合的情况；如果直接采用 欠采样 的处理方式，这样就会导致对应的 正样本 中间的数据被砍掉了很大的一部分，会导致某些信息的丢失。

SMOTE 算法是采用 对于少类的数据样本进行分析和模拟，将人工模拟出来的数据添加到对应的数据集中间去，进而使得原始的数据集中的类别变得不再严重失衡，从而原始数据集中的类别不再会严重失衡。

使用的算法是 KNN 算法：

1. 先算出少类样本的K个近邻
2. 从K个近邻中间挑选出 N 个样本进行线性插值，因此构造出少类的样本
3. 和原数据集混合，构建新的数据集

这个处理的方式在 imblearn 的 over_sampling 中的 SMOTE 中被实现，具体的查询官方文档

直接使用 SMOTE.fit()对应的数据集，能够实现缺失信息变成 1： 1的处理，改变AOC数据。