文档在此
http://contrib.scikit-learn.org/imbalanced-learn/stable/
这一次是使用了under-sampling。样本比例大约200:1
# Resampled
from imblearn.under_sampling import RandomUnderSampler
rus = RandomUnderSampler(random_state = 3)
x_resampled, y_resampled = rus.fit_sample(x_data, y_data)
直接从大样本中随机一定的样本,和小样本混合。
如果需要按照一定比例抽取样本(比如10:1),可以这样:
from imblearn.under_sampling import RandomUnderSampler
rus = RandomUnderSampler(random_state = 3, ratio = {1:5229, 0:52290})
x_resampled, y_resampled = rus.fit_sample(x_data, y_data)
但是在某些版本里ratio不可以是dict,但可以这样:ratio = 0.1