大多数 class 的随机二次抽样

Question

我有一个不平衡的数据，我想对大多数 class 执行随机二次抽样，其中每个子样本的大小与少数 class 相同......我认为这已经是在 Weka 和 Matlab 上实现，在 sklearn 上是否有与此等效的东西？

Answer 1

说你的数据看起来像从这段代码生成的东西：

import numpy as np

x = np.random.randn(100, 3)
y = np.array([int(i % 5 == 0) for i in range(100)])

（只有y的1/5是1，也就是少数class）。

要找到少数 class 的大小，请执行：

>>> np.sum(y == 1)
20

要找到由大多数 class 组成的子集，请执行：

majority_x, majority_y = x[y == 0, :], y[y == 0]

要找到大小为 20 的随机子集，请执行以下操作：

inds = np.random.choice(range(majority_x.shape[0]), 20)

接着是

majority_x[inds, :]

和

majority_y[inds]

random subsampling of the majority class