我正在尝试使用imbalanced_learn RandomUnderSampler，但每当我执行它时，它会对标签进行排序，使数据无效。 Y包含整数，1或0.这是代码：
X, Y = df.iloc[:, 1:], df.iloc[:, 0]
X_res, Y_res = RandomUnderSampler().fit_sample(X, Y)
print(Y_res)
打印Y给我0 1 0 0 0 1 1 1 1 0 1 0
- ＆GT;按预期随机。
打印Y_res时给我0 0 0 0 0 0 0 0 0 0 0
虽然最后的是1 1 1 1 1 1 1 ...
我该如何解决这个问题？
答案 0 :(得分：1)
它正在做它应该做的事情。返回具有相等比例的2个类的数据集的子集。如果您的初始数据集有偏差，比如90：10 :: 1：0，欠采样的X_res，则Y_res是数据集的一部分，其中1：0接近50:50。现在你可以按照你的要求随意拆分X_res，Y_res，测试，验证