过采样的处理方法

sphinxrascal168

于 2021-03-23 16:59:33 发布

阅读量471

点赞数

分类专栏：大幅度

本文链接：https://blog.youkuaiyun.com/sphinxrascal168/article/details/115130766

版权

大幅度专栏收录该内容

41 篇文章

订阅专栏

该博客探讨了如何处理样本不均衡问题，通过计算正样本比例，确定放量策略。使用RandomOverSampler进行过采样，以达到训练集的平衡，从而提高模型的泛化能力。重点介绍了在Python中实现这一过程的代码细节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#判断正样本比例,及样本均衡
import math
zongliang = len(train_data)
zhen_1 = train_data['target'].sum()
zheng_ratio = zhen_1/zongliang
#放量高中低
zhen_2 = math.ceil(zongliang*0.3+1)
p_zong = np.where(zheng_ratio<0.3,zhen_2,zhen_1)
#n_zong = np.where(zheng_ratio>0.7,zhen_2,zhen_1)
#解决样本不均衡问题,大比小为10:3
from imblearn.over_sampling import RandomOverSampler
# ratio = {0:p_zong,1:(len(train_data)-p_zong+1)}#这里的数字每天都不一样，最好先统计一下
ratio = {1:p_zong,0:(zongliang-zhen_1)}#这里的数字每天都不一样，最好先统计一下
SMT = RandomOverSampler(sampling_strategy=0.3)
X,y = SMT.fit_resample(X,y)
# y = pd.DataFrame(y)
print('样本量',len(train_data))
print('zheng_raio',zheng_ratio)
print('zhen_1',zhen_1)
print('zhen_2',zhen_2)
print('p_zong',p_zong)
print('ratio',ratio)