0

我正在研究我的数据集，对此我很陌生。下面是代码：

class_col_name='Creditability' 

feature_names=df.columns[df.columns != class_col_name ]
# 70% training and 30% test
X_train, X_test, y_train, y_test = train_test_split(df.loc[:, feature_names], df[class_col_name], test_size=0.3,random_state=1) 
print("Number transactions X_train dataset: ", X_train.shape) 
print("Number transactions y_train dataset: ", y_train.shape) 
print("Number transactions X_test dataset: ", X_test.shape) 
print("Number transactions y_test dataset: ", y_test.shape) 

print("Before OverSampling, counts of label '1': {}".format(sum(y_train == 1))) 
print("Before OverSampling, counts of label '0': {} \n".format(sum(y_train == 0)))

我正在尝试对我的数据集应用过采样，但是当我在过采样之前对其进行计数时，它在输出中显示为 0，但它确实显示数据集有数据：

下面是输出：

Number transactions X_train dataset:  (700, 20)
Number transactions y_train dataset:  (700,)
Number transactions X_test dataset:  (300, 20)
Number transactions y_test dataset:  (300,)
Before OverSampling, counts of label '1': 0
Before OverSampling, counts of label '0': 0

我正在尝试了解输出并进行处理。

4

1 回答 1

0

您可能想确认可能的类标签实际上是 0 和 1。您可以尝试

print(y_train.unique())

检查类标签是什么。

如果 y_train 是标签在 [0, 1] 中的 pandas Series，那么我相信最后两行的结果实际上应该与 y_train 的大小相加。如果标签不在整数 0 或 1 中，那么这可以解释为什么总和都是 0。

于 2020-11-29T18:39:02.357 回答