使用 pytorch python 的欠采样和过采样的不平衡分类答案

【问题标题】：imbalanced classification using undersampling and oversampling using pytorch python使用 pytorch python 的欠采样和过采样的不平衡分类
【发布时间】：2021-08-24 19:24:05
【问题描述】：

我想同时使用过采样和欠采样技术我有 6 个班级，样本数量如下： 0级 250000 1级 48000 2 类 40000 3级38000 4级 35000 5 级 7000 我想使用 smot 使所有类平衡且大小相同 0 级 40000 1 级 40000 2 类 40000 3 级 40000 4级 40000 5级 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

【问题讨论】：

您是否通过“不平衡学习”检查了 SMOTE 实施？ Docs 模型
我检查了它，它适用于对少数类进行过采样，但我想对某些类进行欠采样并对某些类进行过采样
随机选择要欠采样的类的数据点。或者您可能会选择最不同的样本（通过某种度量，例如欧几里得距离），这可能是更好的方法。

标签： python pytorch imbalanced-data smote

【解决方案1】：

我试试这个

ros = RandomUnderSampler()
X, y=ros.fit_resample(mydata, labels)
strategy = {0:40000, 1:40000, 2:40000, 3:40000, 4:40000, 5:40000}
over = SMOTE(sampling_strategy=strategy)
X, y=over.fit_resample(X, y)

【讨论】：