14

我正在研究用于分类的不平衡数据，并且我之前尝试使用合成少数过采样技术 (SMOTE) 对训练数据进行过采样。但是，这一次我想我还需要使用 Leave One Group Out (LOGO) 交叉验证，因为我想在每个 CV 上留下一个主题。

我不确定我是否可以很好地解释它，但是，据我所知，要使用 SMOTE 进行 k-fold CV，我们可以在每个折叠上循环 SMOTE，正如我在另一篇文章的这段代码中看到的那样。下面是在 k-fold CV 上实现 SMOTE 的示例。

from sklearn.model_selection import KFold
from imblearn.over_sampling import SMOTE
from sklearn.metrics import f1_score

kf = KFold(n_splits=5)

for fold, (train_index, test_index) in enumerate(kf.split(X), 1):
    X_train = X[train_index]
    y_train = y[train_index]  
    X_test = X[test_index]
    y_test = y[test_index]  
    sm = SMOTE()
    X_train_oversampled, y_train_oversampled = sm.fit_sample(X_train, y_train)
    model = ...  # classification model example
    model.fit(X_train, y_train)  
    y_pred = model.predict(X_test)
    print(f'For fold {fold}:')
    print(f'Accuracy: {model.score(X_test, y_test)}')
    print(f'f-score: {f1_score(y_test, y_pred)}')

没有 SMOTE，我尝试这样做来做 LOGO CV。但是通过这样做，我将使用一个超级不平衡的数据集。

X = X
y = np.array(df.loc[:, df.columns == 'label'])
groups = df["cow_id"].values #because I want to leave cow data with same ID on each run
logo = LeaveOneGroupOut()

logo.get_n_splits(X_std, y, groups)

cv=logo.split(X_std, y, groups)

scores=[]
for train_index, test_index in cv:
    print("Train Index: ", train_index, "\n")
    print("Test Index: ", test_index)
    X_train, X_test, y_train, y_test = X[train_index], X[test_index], y[train_index], y[test_index]
    model.fit(X_train, y_train.ravel())
    scores.append(model.score(X_test, y_test.ravel()))

我应该如何在 leave-one-group-out CV 循环中实现 SMOTE？我对如何为合成训练数据定义组列表感到困惑。

4

1 回答 1

0

此处建议的方法LOOCV对于留一交叉验证更有意义。留下一组用作测试集，并对剩余的另一组进行过采样。在所有过采样数据上训练你的分类器，并在测试集上测试你的分类器。

在您的情况下，以下代码将是在 LOGO CV 循环中实现 SMOTE 的正确方法。

for train_index, test_index in cv:
    print("Train Index: ", train_index, "\n")
    print("Test Index: ", test_index)
    X_train, X_test, y_train, y_test = X[train_index], X[test_index], y[train_index], y[test_index]
    sm = SMOTE()
    X_train_oversampled, y_train_oversampled = sm.fit_sample(X_train, y_train)
    model.fit(X_train_oversampled, y_train_oversampled.ravel())
    scores.append(model.score(X_test, y_test.ravel()))
于 2019-07-14T21:50:05.237 回答