发帖
雷达卡
python中过采样处理数据不平衡问题，什么是过采样？
目的：处理数据不平衡问题。
方法：当数据不平衡的时，比如样本标签1有10000个数据，样本标签0有100个数据，这时如果采用下采样会浪费很多样本，
所以引入过采样，过采样是根据样本标签少的样本的规律去生成更多该标签样本，这样使得数据趋向于平衡。
典型的过采样方式是SMOTE等.
关于SMOTE具体算法:
1.对于少数类中每一个样本x，以欧氏距离为标准计算它到少数类样本集Smin中所有样本的距离，得到其k近邻。
2.根据样本不平衡比例设置一个采样比例以确定采样倍率N，对于每一个少数类样本x，从其k近邻中随机选择若干个样本，假设选择的近邻为xn。
3.对于每一个随机选出的近邻xn，分别与原样本按照如下的公式构建新的样本 。
京公网安备 11010802022788号
