我有一个大小为(3275412, 50, 22)的numpy_array，它表示出于LSTM目的而重塑的数据，并且我有一个目标形状为(3275412,)的向量。
我想平衡我的数据，以便与目标0和1大约有相同数量的数据。
我准备数据的方式使我无法在整形之前执行此平衡操作。
首先，我想应用make_imbalance函数（有关详细信息，请参见this link），但是我不能将其应用于二维数组（出现错误）。
我的问题是：对于3D阵列，最有效的方法是什么？
我的想法：我首先想到了通过将“第二维”和“第三维”“级联”（但不知道如何告诉我??）将我的3D数组“扁平化”为2-D数组，然后应用{ {1}}，然后将结果重塑为3D数组（再次，不知道如何做）。似乎有点棘手...
因此，对于其他平衡方法或重塑3D-> 2D或反之亦然的任何帮助，将不胜感激
答案 0 :(得分：0)
对于未知尺寸，您可以将np.reshape与-1一起使用。
data2d = data3d.reshape(data3d.shape[0], -1)
将为您提供形状为(n_samples, n_features)的二维数组
第二维和第三维合并。
data2d_new, y_new = make_imbalance(data2d, y)
调用make_imbalance之后，您将获得一个形状为(n_samples_new, n_features)的2d数组，其中行数为“未知”，但您知道原始3d数组的其他两个“特征”维，所以
data3d_new = data2d.reshape(-1, data3d.shape[1], data3d.shape[2])
将为您提供平衡的3d数据集。