python - 多数类的随机子抽样

Question

我有一个不平衡的数据，我想对多数类执行随机子采样，其中每个子样本的大小与少数类相同......我认为这已经在Weka和 Matlab 上实现了，是否有与此等价的sklearn ?

Answer 1

假设您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 1/5y是 1，这是少数类）。

要找到少数类的大小，请执行以下操作：

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

要找到包含多数类的子集，请执行以下操作：

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)

其次是

majority_x[inds, :]

和

majority_y[inds]