我正在使用著名的UCI heart disease dataset做实验，但是效果不佳（〜58％acc。）。
此数据集具有5种顺序分类，其中“存在心脏病的程度”从0到4，其中0表示没有心脏病，而4表示心脏问题的高度存在 >。问题在于该数据集非常不平衡，并且归类为0的对象比其他对象多得多。将此数据集呈现给MLP，其准确度为58％，非常低。
因此，我想将所有分类为1-4的对象组合起来，并将其转换为二进制分类（例如0 =无疾病/ 1 =发现疾病）。我注意到这被称为one-against-all策略。由于我对ML这个世界并不陌生，所以我想知道如何用熊猫来做到这一点，或者是否有更好的工具可以做到这一点。
答案 0 :(得分：-1)
很简单，当前您的y_train数据如下：[1,2,5,2,1,3,2,4,4,4,5,5,5]
您要做的是创建一个空数组binary_labels，然后遍历PD中的每一行，如果标签为1-4，则将0附加到binary_labels，否则附加1。然后在PD并针对其值设置binary_labels，或者用此数组替换y_train数据。
此外，您将替换MLP等中的损失函数。但这就是构造数据的方式。