如何在机器学习中使用 K 折验证进行欠采样

Question

我正在为我的项目 rn 处理一个高度不平衡的数据集，为简单起见，我将在这里举一个简单的例子：一个数据集有 20 个 0 和 80 个 1，所以总数是 100。

假设我已经使用X_train, X_test,y_train,y_test = train_test_split(X, y,stratify=y,random_state=42)进行了分层分割（X_train.shape 为 80，X_test.shape 为 20），那么我的问题是如何实现欠采样 < strong>同时在训练数据集中进行 K 折验证。

我最初的想法是使用 from imblearn.under_sampling import RandomUnderSampler 得到 16 个 '0's 和 16 个 '1's（总共是 32 个）来制作均匀分布的数据集，然后对该 32 个数据集进行 K 折交叉验证并丢弃其余的X_train 中的 48 个。使用模型来预测 X_test。所以我想知道这是否是正确的处理程序。

Answer 1

您可以使用 RandomUnderSampler 方法来实现它。将随机状态和比率值放入参数中，然后尝试看看这是否有效。