多数类的随机子抽样

Question

我有一个不平衡的数据，我想对多数类执行随机子采样，其中每个子样本的大小与少数类相同......我认为这已经在 Weka 和 Matlab 上实现，有吗sklearn 上的等价物？

Answer 1

假设您的数据看起来像是从这段代码生成的：

import numpy as np

x = np.random.randn(100, 3)
y = np.array([int(i % 5 == 0) for i in range(100)])

（只有y的1/5是1，是少数类）。

要查找少数类的大小，请执行以下操作：

>>> np.sum(y == 1)
20

要找到包含多数类的子集，请执行以下操作：

majority_x, majority_y = x[y == 0, :], y[y == 0]

要找到大小为 20 的随机子集，请执行以下操作：

inds = np.random.choice(range(majority_x.shape[0]), 20)

紧随其后

majority_x[inds, :]

和

majority_y[inds]