如何用 Python 处理不平衡数据集

不平衡数据一般是由于数据产生的原因导致的，类别少的样本通常是发生的频率低，需要很长的周期进行采集。在机器学习任务中，不平衡数据会导致训练的模型预测的结果会偏向于样本数量多的类别，这个时候除了要选择合适的评估指标外，想要提升模型的性能，就要对数据和模型做一些预处理。处理数据不平衡的主要方法：。调整类别权重或者样本权重2. 数据不平衡处理方法imbalanced-learn库提供了许多不平衡数据处理的方法，本文的例子都以imbalanced-learn库来实现。由于欠采样是丢失了一部分数据，不可避免的使得数量多类别样本的分布发生了变化。