机器学习中的样本不平衡学习_borderlinesmote代码-优快云博客

from imblearn.over_sampling import RandomOverSampler
ros = RandomOverSampler(sampling_strategy={0: 100, 1: 100}, random_state=42)
X_res, y_res = ros.fit_resample(X, y)

1.2、SMOTE

Synthetic Minority Oversampling Technique (SMOTE)，通过插值来生成新样本，对于每个少数类样本计算其K个最近的少数类邻居，然后根据采样比率随机选择若干邻居，最后在少数类样本与邻居样本之间进行插值生成新样本。

from imblearn.over_sampling import SMOTE
sm = SMOTE(random_state=42)
X_res, y_res = sm.fit_resample(X, y)

1.3、ADASYN

Adaptive Synthetic (ADASYN)，也是通过插值来生成新样本，ADASYN更关注于在被K最近邻分类器误分类为多数类的少数类样本（离群点）旁生成新样本，一个少数类样本周围的多数类样本越多，则赋予该少数类样本越大的权重，在该少数类样本旁生成越多的样本，生成过程与SMOTE类似，从少数类样本的K个最近的少数类邻居中随机选择一个少数类邻居进行插值，根据该少数类样本的权重对该少数类样本重复插值若干次。

from imblearn.over_sampling import ADASYN
ada = ADASYN(random_state=42)
X_res, y_res = ada.fit_resample(X, y)

1.4、BorderlineSMOTE

由于SMOTE算法随机选择少数类样本来生成新样本，没有考虑到所选少数类样本周围的情况，因此可能存在两个问题：

所选的少数类样本周围也都是少数类样本，这样合成的新样本不会提供太多有用信息；
所选的少数类样本周围都是多数类样本，这样的样本可能是噪声，生成的新样本可能会与周围多数类样本重叠。

因此BorderlineSMOTE算法在SMOTE算法上进行改进，只使用处于边界上的少数类样本来合成新样本，算法首先将所有少数类样本划分为三类，分别是：

noise：噪声样本，即少数类样本的周围K个近邻都是多数类样本；
danger：危险样本，即少数类样本的周围K个近邻中有一半及以上为多数类样本；
safe：安全样本，即少数类样本的周围K个近邻中有一半以上为少数类样本。

然后算法使用danger样本根据SMOTE算法来生成新样本，根据在生成新样本时选择邻居类别的不同，BorderlineSMOTE又分为borderline-1和borderline-2，前者在K近邻中选择少数类样本来进行插值，后者选择任意类别样本来进行插值。

from imblearn.over_sampling import BorderlineSMOTE
sm = BorderlineSMOTE(random_state=42, kind='borderline-1')
X_res, y_res = sm.fit_resample(X, y)

1.5、SVMSMOTE

SVMSMOTE用SVM分类器来寻找支持向量，然后在支持向量的基础上生成新样本。类似于BorderlineSMOTE，SVMSMOTE也将少数类样本划分为noise、danger和safe三类。

from imblearn.over_sampling import SVMSMOTE
sm = SVMSMOTE(random_state=42)
X_res, y_res = sm.fit_resample(X, y)

1.6、KMeansSMOTE

KMeansSMOTE先对样本进行KMeans聚类，然后根据簇密度来对不同簇的少数类样本进行合成。具体包括三个步骤：

聚类：使用KMeans将所有样本聚为K个簇；
过滤：选择用于上采样的簇，保留具有高比例少数类样本的簇；
上采样：应用SMOTE在每个选定的簇中生成新样本，对于少数类样本越稀疏的簇，生成的少数类样本越多。

from imblearn.over_sampling import KMeansSMOTE
sm = KMeansSMOTE(random_state=42)
X_res, y_res = sm.fit_resample(X, y