我在试着用RandomUnderSampler。我已经正确地安装了imblearn模块。但是还是有错误：‘Name’RandomUnderSampler‘没有定义`。有什么具体的原因吗?from imblearn.under_sampling import RandomUnderSampler
def random_under_sampling(X,Y):
rus = RandomUnderSamp
浏览 66提问于2019-02-18得票数 1
回答已采纳
我正在使用来自imblearn的RandomUnderSampler，但是我得到了以下错误。有什么想法吗？谢谢print('Initial dataset shape %s' % Counter(y.values.squeeze()))X_undersampled, y_undersampled = rus.fit_resam
浏览 1提问于2019-08-13得票数 4
回答已采纳
1回答
我有一套火车，里面有10192个'0‘样本和2512个'1’样本。我想要对这个矮小的阵列进行欠采样。df = read_csv("train.csv")y = df['label']
X_train, X_validation, y_train, y_validation = train_test_
浏览 3提问于2020-07-13得票数 1
回答已采纳
有谁知道在使用imblearn的RandomUnderSampler进行过低采样后，是否能够/如何获得所选样本的指数？russs = RandomUnderSampler(random_state=0,sampling_strategy={6: 600}).fit(X_train_point,y_train_pointTraceback (most recent call last) 1 russs = RandomU
浏览 17提问于2020-03-19得票数 1
回答已采纳
1回答
pipeline管道与管道的区别
、、、、
我想使用sklearn.pipeline而不是imblearn.pipeline来合并‘`RandomUnderSampler()’。我的原始数据需要缺少值补偿和缩放。import SimpleImputerfrom imblearn.under_sampling import RandomUnderSamplerPipeline([("impute", SimpleImputer(strategy='constant',f
浏览 27提问于2021-04-21得票数 0
回答已采纳
1回答
selection.get_support(indices=True)]]for k, i, j in zip(number,data,name): rus = RandomUnderSampler(sampling_strategy=1, random_state
浏览 0提问于2021-08-02得票数 0
1回答
我正在尝试用RandomUnderSampler()和SMOTE()来实现过采样和欠采样的结合.我已经做了以下的分裂。from imblearn.over_sampling import SMOTEfromimblearn.pipeline import make_pipelineunder = RandomUnderSam
浏览 10提问于2022-04-08得票数 1
1回答
我有以下管道建设： from imblearn.pipeline importPipeline
under = RandomUnderSampler(sampling_strategy
浏览 15提问于2022-03-10得票数 0
子集数据帧是从RandomUnderSampler生成的，但RandomUnderSampler没有导出未选中数据的功能。欢迎提出任何意见。 ?
浏览 14提问于2021-08-13得票数 0
回答已采纳
1回答
这是我用来对数据帧进行欠采样的代码 from imblearn.under_sampling import RandomUnderSampler
rus = RandomUnderSampler(sampling_strategy
浏览 29提问于2021-08-09得票数 0
回答已采纳
我正在尝试使用imbalanced_learn RandomUnderSampler，但是每当我执行它时，它都会对标签进行排序，从而使数据变得无用。Y包含ints，要么1要么0。这是代码：
print
浏览 0提问于2018-06-06得票数 0
回答已采纳
2回答
我有一个类似新闻组数据集的文本数据集，它的问题是它是高度不平衡的。那么，是否有任何现成的库可以用函数调用进行过采样或下采样？
📷
浏览 0提问于2019-06-28得票数 2
回答已采纳
目前，我正在使用以下代码对每个类进行欠采样，使其达到我的少数类的数量(20个样本数据)：
undersample = RandomUnderSampler(sampling_strategy='all'
浏览 28提问于2020-06-01得票数 1
回答已采纳
5回答
使用以下数据框架，只有两个可能的标签：0 A 8 9 12 B 8 9 04 C 8 1 06 D 2 1 08 D 3 1 010 E 3 6 1
11
浏览 0提问于2018-10-10得票数 8
回答已采纳
我想一起使用过采样和欠采样技术我有6个类，样本数如下:类0 250000类1 48000类2 40000类3 38000类4 35000类5 7000我想使用smot来使所有类平衡且大小相等类0 40000类1 40000类2 40000类3 40000类4 40000类5 40000我知道如何对所有数据进行过采样或欠采样，但如何将它们与多类分类一起使用
浏览 124提问于2021-08-24得票数 0
, 4)train['y'].shape当我尝试在运行以下程序时随机地对数据进行欠采样时
X_train_under, y_train_under = undersample.fit
浏览 17提问于2022-11-01得票数 2
回答已采纳
1回答
我正在阅读这篇关于如何对非常不平衡的数据集执行适当的KFold的article。在最后一个示例中，它展示了如何将数据集拆分为2折，50/50训练/测试。这一切都很酷也很有趣。然而，我想知道如何进行拆分，同时还可以控制每个文件夹中的类分布，例如50/50 class0/class1 (也称为欠采样/过采样)。因此，考虑到下面的数据，假设我想要4个Fold，我希望得到以下结果： >Train: 0=8, 1=8, >Train: 0=8, 1=8,
>Train: 0=8, 1=8, 有没有什么方法可以用sklearn.mode
浏览 9提问于2020-04-16得票数 0
与SMOTE不同的是，RandomUnderSampler选择数据的一个子集。但我不太有信心使用它作为分类数据。
那么，它真的适用于分类数据吗？
浏览 6提问于2022-05-22得票数 0
回答已采纳
我最初的想法是使用from imblearn.under_sampling import RandomUnderSampler得到16‘0和16’1(总数为32)的数据集，对32个数据集进行K倍交叉验证
浏览 2提问于2021-02-07得票数 0
1回答
rus = RandomUnderSampler(sampling_strategy=1, random_state=41)
x_res, y_res = rus.fit_resample(x, y)
浏览 14提问于2021-08-04得票数 0
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
