python - SMOTE后保留pandas数据帧结构，在python中过采样-6ren

python - SMOTE后保留pandas数据帧结构，在python中过采样

转载作者：行者123 更新时间：2023-12-03 18:44:17

24

4

问题: 在实现 SMOTE(一种过采样)时，我的 数据帧被转换为 numpy 数组 )。

test_train_split

from sklearn.model_selection import train_test_split
X_train, X_test, y_train_full, y_test_full = train_test_split(X, y, test_size=0.20, random_state=66)
[IN]type(X_train)
[OUT]pandas.core.frame.DataFrame

在 SMOTE 之后，X_train 的数据类型从 pandas 数据帧变为 numpy 数组

from imblearn.over_sampling import SMOTE
sm = SMOTE(random_state = 42)
X_train, y_train = sm.fit_sample(X_train, y_train)
[IN]type(X_train)
[OUT]numpy.ndarray

预期输出
我想在 SMOTE 之后保留 X_train 和 X_test 的数据帧结构。怎么做？

最佳答案

我找到了一个更简单的答案:

from imblearn.over_sampling import SMOTE
sm = SMOTE(random_state = 42)
X_train_oversampled, y_train_oversampled = sm.fit_sample(X_train, y_train)
X_train = pd.DataFrame(X_train_oversampled, columns=X_train.columns)

这有助于在 SMOTE 之后保留数据帧结构

关于python - SMOTE后保留pandas数据帧结构，在python中过采样，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60432496/

24

4

0

文章推荐： c# - 将 JSON 列从 MySql 数据库映射到来自 Web Api 的 C# 类

文章推荐：用优化编译得到一个错误的条件

文章推荐： reactjs - 防止 Material ui 中的行单击和对话框的事件传播

文章推荐： python - 无法使用 pip 在 MacOS10.15 上安装 Kivy

python - smote.fit_sample() 和 smote.fit_resample() 的区别
在imblearn , smote.fit_sample() 和 smote.fit_resample() 之间有什么区别，我们什么时候应该使用一个而不是另一个？最佳答案 fit_sample 替换
r - SMOTE - 多类
鉴于我有一个类不平衡问题，我正在应用 SMOTE(DMwR 包)。但是，我有三个类(class)结果而不是两个。该函数正确地对少数类进行了过采样，但我没有遵循多数/中间类的行为(即，所有类别都包含不
r - Smote 无法进行过采样
我刚刚使用 DMwR 包中包含的 Smote 在数据集中完成了过采样。我的数据集由两个类组成。原始分布是 12 vs 62。因此，我编写了此过采样代码: newData <- SMOTE(Score
r - Smote 无法进行过采样
我刚刚使用 DMwR 包中包含的 Smote 在数据集中完成了过采样。我的数据集由两个类组成。原始分布是 12 vs 62。因此，我编写了此过采样代码: newData <- SMOTE(Score
python - SMOTE 值错误
我正在使用 SMOTE 函数对稀疏数据集进行过采样，其中包含大约 98% 的 0 和 2% 的 1。我使用了以下代码 from imblearn.over_sampling import SMOTE
python - 具有缺失值的 SMOTE
我正在尝试在 Python 中使用 imblearn 包中的 SMOTE，但我的数据有很多缺失值，并且出现以下错误: ValueError: Input contains NaN, infinity
r - 是否有可以使用连续和分类特征进行 SMOTE 的包或函数？
我有一个不平衡的数据集，其中包含一个分类因变量和连续且分类的特征变量。我知道 DMwR 包中的 SMOTE 函数只能处理连续的特征。是否有可以像 Chawla 描述的那样处理分类和连续特征的包 in
python - SMOTE - 无法将字符串转换为 float
我想我在下面的代码中遗漏了一些东西。 from sklearn.model_selection import train_test_split from imblearn.over_sampling
python - 我们如何在 SMOTE 中设置比率以使正样本多于负样本？
我正在尝试使用 SMOTE 来处理二进制分类中的不平衡类数据，我所知道的是:如果我们使用，例如 sm = SMOTE(ratio = 1.0, random_state=10) Before Over
python - SMOTE，Python 中文本分类的过采样
我正在做文本分类，并且我有非常不平衡的数据，例如 Category | Total Records Cate1 | 950 Cate2 | 40 Cate3 | 10 现在我想对
machine-learning - SMOTE 过采样和交叉验证
我正在 Weka 中研究一个二元分类问题，数据集高度不平衡(一个类别 90%，另一个类别 10%)。我首先将 SMOTE ( http://www.cs.cmu.edu/afs/cs/project/
python - WEKA 中的交叉验证和 SMOTE
我正在尝试使用带有 SMOTE 的 FilteredClassifier 在 WEKA 上运行 5 倍交叉验证。据我所知，我应该在每个 CV 折叠中应用 SMOTE 以获得我的 CV 错误。有谁有
python - 我如何将 SMOTE 应用于多类文本数据
我有一个多类数据集，我想对其使用 SMOTE，但我面临着 ValueError: "sampling_strategy" can be a float only when the type oftar
python - 使用 SMOTE 时验证集性能不佳
我想用 2 个类进行分类。当我在没有 SMOTE 的情况下进行分类时我得到(10 次交叉验证的平均值): Precision Recall f-1 0,6409509
r - r 中的 SMOTE 显着减少了样本量
我有一个包含大约 130000 条记录的数据集。记录分为两类目标变量，0和1。1只占总比例的0.09%。我在 Windows 10 上的 R-3.5.1 中运行我的分析。我使用 SMOTE 算法来处
r - SMOTE 函数 'subscript out of bond'
我正在尝试按如下方式实现逻辑回归: 但是我无法得到好的预测，因为我的类输出 1 在我的数据中代表性不足。因此，我正在尝试将 SMOTE 算法应用于我的训练集以获得更好的结果。但是我收到消息错误: Er
python - 具有多个 bert 输入的 SMOTE
我正在使用 Keras 和 Bert (HuggingFace) 构建多类文本分类模型，但我的数据集非常不平衡。我使用了 Sklearn 的 SMOTE 来为欠平衡类生成额外的样本(我总共有 45 个
python - SMOTE 函数在 make_pipeline 中不起作用
我想同时应用交叉验证和过采样。我从这段代码中得到以下错误: from sklearn.pipeline import Pipeline, make_pipeline imba_pipeline =
R、DMwR 封装、SMOTE 功能不起作用
我需要将 smote-algorithm 应用到数据集，但无法让它工作。示例: x <- c(12,13,14,16,20,25,30,50,75,71) y <- c(0,0,1,1,1,1,1,
python - imblearn smote+enn 采样了多数类
我有一个不平衡的数据集，当我尝试使用 SMOTEENN 来平衡他时，多数类的数量减少了一半我尝试使用提供的所有选项更改“sampling_strategy”参数，但没有帮助 from imblear

首页

博学

6Ren·AI

商城

python - SMOTE后保留pandas数据帧结构，在python中过采样