• 样本可能会出现不均衡的情况，需要视情况进行处理,将不均衡的样本变得均衡。 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# 做一个不均衡的样本集
datas = pd.DataFrame(x)
datas['y'] = y
datas

dfs = pd.concat([datas.iloc[50:100],datas.iloc[100:110]])
dfs

dfs.groupby('y').size()

'''
过采样：
填充数据，但容易过拟合，只能在训练集进行操作！
'''
# 随机抽取并扩充训练集中的1类数据
from collections import Counter # 计算每一类有多少
from imblearn.over_sampling import RandomOverSampler

x = dfs.drop('y',axis = 1) # 去掉y
y = dfs['y'] # 单独拎出来

ros = RandomOverSampler(random_state = 0)
x_,y_ = ros.fit_sample(x,y) # 进行过采样

Counter(y_)

'''
欠采样：
删除数据，容易欠拟合，同样，只能在训练集中操作。
'''
from imblearn.under_sampling import RandomUnderSampler
x = dfs.drop('y',axis = 1) # 去掉y
y = dfs['y'] # 单独拎出来
rus = RandomUnderSampler(random_state = 0)
x_,y_ = rus.fit_sample(x,y)
Counter(y_)