【机器学习】机器学习中需要了解的 5 种采样方法

仅作学术分享，不代表本公众号立场，侵权联系删除
转载于：雷锋网

     

      sample_df = df.sample(100)
     

     

      from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y,  test_size=0.25)
     

假设您有一个项目流，它长度较大且未知以至于我们只能迭代一次。

创建一个算法，从这个流中随机选择一个项目，这样每个项目都有相同的可能被选中。

     

      import randomdef generator(max): number = 1 while number < max: number += 1 yield number# Create as stream generatorstream = generator(10000)# Doing Reservoir Sampling from the streamk=5reservoir = []for i, element in enumerate(stream): if i+1<= k: reservoir.append(element) else: probability = k/(i+1) if random.random() < probability: # Select item in stream and remove one of the k items already selected reservoir[random.choice(range(0,k))] = elementprint(reservoir)------------------------------------[1369, 4108, 9986, 828, 5589]
     

移除第一个项目的概率是项目 3 被选中的概率乘以项目 1 被随机选为水塘中 2 个要素的替代候选的概率。这个概率是：

2/3*1/2 = 1/3

因此，选择项目 1 的概率为：

1–1/3=2/3

     

      from sklearn.datasets import make_classificationX, y = make_classification( n_classes=2, class_sep=1.5, weights=[0.9, 0.1], n_informative=3, n_redundant=1, flip_y=0, n_features=20, n_clusters_per_class=1, n_samples=100, random_state=10)X = pd.DataFrame(X)X[ target ] = y
     

     

      num_0 = len(X[X[ target ]==0])num_1 = len(X[X[ target ]==1])print(num_0,num_1)# random undersampleundersampled_data = pd.concat([ X[X[ target ]==0].sample(num_1) , X[X[ target ]==1] ])print(len(undersampled_data))# random oversampleoversampled_data = pd.concat([ X[X[ target ]==0] , X[X[ target ]==1].sample(num_0, replace=True) ])print(len(oversampled_data))------------------------------------------------------------OUTPUT:90 1020180
     

     

      from imblearn.under_sampling import TomekLinks
tl = TomekLinks(return_indices=True, ratio= majority )X_tl, y_tl, id_tl = tl.fit_sample(X, y)
     

     

      from imblearn.over_sampling import SMOTE
smote = SMOTE(ratio= minority )X_sm, y_sm = smote.fit_sample(X, y)
     

   

    

   
   

    

     
         

          

           
            

             

              
               

                

                 
                     

                      

                       
                        

                         

                          

                           

                            

                             

                              往期精彩回顾
                             
                            
                           
                          
                         
                        
                        

                         

                          

                           

                            

                           
                           

                            

                             

                            
                            

                             

                            
                           
                           

                            

                           
                          
                         
                         

                          
适合初学者入门人工智能的路线及资料下载
                          
(图文+视频)机器学习入门系列下载
                          
机器学习及深度学习笔记等资料打印
                          
《统计学习方法》的代码复现专辑

                         
                        
                      
                     
                
               
             
            
            

             
交流群
            
欢迎加入机器学习爱好者微信群一起和同行交流，目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群，请扫描下面的微信号加群，备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~（也可以加入机器学习交流qq群772479961）