TensorFlow 数据集训练/测试/有效分割和欠采样

Question

我有高度不平衡的数据。 而我想通过拆分数据和欠采样来解决二分类问题。

1.我有类似下面代码的数据。

输入：data.columns

输出：

Index(['DLQ_CD', 'LN_AMT101_1912', 'LN_AMT105_1912', 'LN_AMT107_1912',
       'LN_AMT109_1912', 'LN_AMT115_1912', 'LN_AMT117_1912', 'LN_AMT129_1912',
       'LN_CNT101_1912', 'LN_CNT105_1912', 'LN_CNT107_1912', 'LN_CNT109_1912',
       'LN_CNT115_1912', 'LN_CNT117_1912', 'LN_CNT129_1912'],
      dtype='object')

2.数据高度不平衡。

输入：

neg, pos = np.bincount(data['DLQ_CD'])
total = neg + pos
print('Examples:\n    Total: {}\n    Positive: {} ({:.2f}% of total)\n'.format(
    total, pos, 100 * pos / total))

输出：

Examples:
    Total: 382116
    Positive: 477 (0.12% of total)

3.在教程方面，我们可以拆分数据集以获得训练/测试/有效数据集。 (https://www.tensorflow.org/tutorials/structured_data/imbalanced_data)

输入：

    train_df, test_df = train_test_split(cleaned_df, test_size=0.2)
    train_df, val_df = train_test_split(train_df, test_size=0.2)
    
    train_labels = np.array(train_df.pop('DLQ_CD'))
    bool_train_labels = train_labels != 0
    val_labels = np.array(val_df.pop('DLQ_CD'))
    test_labels = np.array(test_df.pop('DLQ_CD'))

    train_features = np.array(X_train)
    val_features = np.array(val_df)
    test_features = np.array(test_df)

但是，我不知道如何对训练/测试/有效数据进行欠采样。

我尝试使用下面的代码来解决问题，但它不起作用..

from imblearn.under_sampling import RandomUnderSampler

#UnderSampler 정의
rus = RandomUnderSampler(random_state=10)
rus.fit(X_train,y_train)
X_train_under,y_train_under = rus.fit_resample(X_train,y_train)

这对我来说很重要，但我真的不知道如何解决..

请帮帮我！