问题标签 [imblearn]

我有一个 scikit 学习管道来缩放数字特征和编码分类特征。在我尝试从 imblearn 实现RandomUnderSampler之前，它工作正常。我的目标是实施欠采样步骤，因为我的数据集非常不平衡 1:1000。

我确保使用 imblearn 中的 Pipeline 方法而不是 sklearn。下面是我尝试过的代码。

代码数据在没有欠采样方法的情况下工作（使用 sklearn 管道）。

使用 undersampler 方法不起作用的代码（使用 imblearn 管道）。

这是我得到的错误：

我正在尝试安装 Imblearn 以在 python 中执行 SMOTE。我一直在尝试安装 imblearn 包。但我不断收到错误。以下是我尝试过的命令，

以下是我得到的错误，

因此，由于我的数据严重不平衡，我无法继续我的建模部分。有人可以帮我安装这个软件包吗？如果没有，在 python 中做 SMOTE 的替代方法是什么？

我正在使用MLPClassifier心脏病分类。我曾经imblearn.SMOTE平衡每个班级的对象。我得到了非常好的结果（85% 的平衡acc。），但我被告知我不会用于SMOTE测试数据，只用于训练数据。在我做出这些改变之后，我的分类器的性能下降太多（大约 35% 的平衡准确度），我不知道哪里出了问题。

这是一个简单的基准测试，训练数据平衡但测试数据不平衡：

这是代码：

我想知道我做错了什么，因为这似乎是准备数据的正确方法。

我正在尝试在 python 中使用 SMOTE 来处理高度不平衡的数据集。将数据集拆分为训练和测试后，我使用 SMOTE 生成合成样本。然后我对 SMOTE 生成的数据使用 xgboost 算法。我的模型输出是预测原始数据集的概率。但是在实施 SMOTE 之后，样本数量增加了，我如何取回原始数据集来预测概率？ 代码如下：

我正在尝试使用上面的代码，但它抛出了错误 ModuleNotFoundError: No module named 'imblearn.oversampling'

谁可以帮我这个事。

我正在使用RandomUnderSamplerfrom imblearn，但出现以下错误。有任何想法吗？谢谢

输出：

我正在使用的主要库：

我使用该imblearn库对 pandas 数据帧进行重采样。

我想知道 pyspark 数据帧是否有相同的实现？

例如，我尝试使用此处提出的代码，但按原样使用代码时出现了多个错误。

谢谢您的帮助 ！

试图在这里实现代码。代码工作正常然后停止，重新启动更新等等。继续获取

TypeError: issubclass() arg 2 必须是一个类或类的元组

我只是想对所述代码运行网格搜索，但无法克服此错误。请帮忙

完整的错误信息：

更新：我只是在没有 SMOTE 的情况下运行了这段代码，我认为这可能是罪魁祸首，事实证明问题出在 scikit learn 的某个地方。

我正在使用 SMOTE 对TARGET_FRAUD包含值 0 和 1 的二进制类进行重新采样。0 有大约 900 条记录，而 1 只有大约 100 条记录。我想将第 1 类过采样到 800 左右。

这是为了进行一些分类建模。

这是重采样前的值计数：

这是重新采样后的值计数：

为什么它会产生 0 到 1 之间的随机浮点值？我只希望它返回 0 和 1 的 int 值。

我想重新采样一些大数据（类大小：8mio vs 2700）我想通过对第 2 类进行过采样和对第 1 类进行欠采样来获得 50.000 个样本。imblearn 似乎提供了过采样和欠采样的组合，但我不明白它是如何做到的作品。

在数据看起来像之前

之后

正如我所期望或希望的那样