如何在训练期间从 Scikit Learn SVM 中的每个类中抽取相同数量的示例？ [关闭]答案

【问题标题】：How to draw equal number of examples from each class in Scikit Learn SVM during training? [closed]如何在训练期间从 Scikit Learn SVM 中的每个类中抽取相同数量的示例？ [关闭]
【发布时间】：2018-04-03 17:38:17
【问题描述】：

我使用 Scikit Learn 来实现 Support Vector Machine。由于我正在处理类不平衡（96% 到 4%），我希望 SVM 在训练期间从每个类中抽取相同数量的样本。如何使用 Scikit Learn 实现这一目标？

【问题讨论】：

标签： python machine-learning scikit-learn svm

【解决方案1】：

您可能对imbalanced-learn 包感兴趣，该包具有多种实现，例如过采样和欠采样来解决类不平衡问题。

【讨论】：

【解决方案2】：

另一种方法是使用class_weight='balanced' 参数调整类权重；来自SVC docs（其他 SVM 模型也存在类似的论点）：

class_weight : {dict, ‘balanced’}, 可选

对于 SVC，将第 i 类的参数 C 设置为 class_weight[i]*C。如果没有给出，所有的类都应该有一个权重。 “平衡” mode 使用 y 的值自动反向调整权重与输入数据中的类频率成正比为n_samples / (n_classes * np.bincount(y))

【讨论】：