Skip to main content
 首页 » 编程设计

python之使用 One vs. rest 分类器进行上/下采样

2024年12月31日8jiqing9006

我有一个数据集(tf-idf 加权词),其中包含我尝试预测的多个类别。我的类(class)不平衡。我想使用来自 sklearn 的 OneVsRestClassifier 对一些分类器(例如多项式朴素贝叶斯)使用 One vs. rest 分类方法。

此外,我想使用不平衡学习包(很可能是上采样和下采样的组合之一)来增强我的数据。使用不平衡学习的正常方法是:

from imblearn.combine import SMOTEENN 
smote_enn = SMOTEENN(random_state=0) 
X_resampled, y_resampled = smote_enn.fit_resample(X, y) 

我现在有一个数据集,每个标签的案例数大致相同。然后我会在重采样数据上使用分类器。

from sklearn.multiclass import OneVsRestClassifier 
from sklearn.naive_bayes import MultinomialNB 
ovr = OneVsRestClassifier(MultinomialNB()) 
ovr.fit(X_resampled, y_resampled) 

但是:现在每个标签在安装时都存在巨大的不平衡,因为我总共有 50 多个标签。正确的?我想我需要对每个标签应用上采样/下采样方法,而不是一开始就做一次。如何对每个标签使用重采样?

请您参考如下方法:

根据评论中的讨论,你想要的可以这样做:

from sklearn.naive_bayes import MultinomialNB 
from imblearn.combine import SMOTEENN 
 
# Observe how I imported Pipeline from IMBLEARN and not SKLEARN 
from imblearn.pipeline import Pipeline 
from sklearn.multiclass import OneVsRestClassifier 
 
# This pipeline will resample the data and   
# pass the output to MultinomialNB 
pipe = Pipeline([('sampl', SMOTEENN()),  
                 ('clf', MultinomialNB())]) 
 
# OVR will transform the `y` as you know and  
# then pass single label data to different copies of pipe  
# multiple times (as many labels in data) 
ovr = OneVsRestClassifier(pipe) 
ovr.fit(X, y) 

代码说明:

  • 第 1 步:OneVsRestClassifier 将创建多个 y 列。每个标签一个,其中该标签为正,所有其他标签为负。

  • 第 2 步:对于每个标签,OneVsRestClassifier 将克隆提供的 pipe 估计器并将单独的数据传递给它。

  • 第 3 步:

    一个。 pipe 的每个副本都会得到一个不同版本的 y,它被传递给它内部的 SMOTEENN,因此会进行不同的采样以平衡在那里上课。

    pipe 的第二部分 (clf) 将根据需要为每个标签获取平衡数据集。

  • 第四步:在预测时间内,采样部分将被关闭,因此数据将原样到达clf。 sklearn 管道不处理该部分,所以这就是我使用 imblearn.pipeline 的原因。

希望这对您有所帮助。