探究Smote算法对决策树分类结果有何影响？

最新推荐文章于 2023-12-22 10:01:19 发布

高某人upup

最新推荐文章于 2023-12-22 10:01:19 发布

阅读量988

点赞数

文章标签：类不平衡机器学习

本文链接：https://blog.csdn.net/gpppppppp/article/details/79251351

版权

本文通过对比实验，使用决策树和结合Smote算法的决策树对UCI气球数据集进行分类，探讨Smote如何改善类不平衡问题并提升分类精度。

摘要由CSDN通过智能技术生成

描述：我将用决策树分类和Smote+决策树组合对同一组数据进行实验，比较两次的分类结果精度，从而探究Smote算法对决策树分类结果有何影响？

数据：数据来源于UCI机器学习数据库中的气球数据，有5列：color、chicun、act、age、inflated。共有20*5组数据。

smote算法

import random
from sklearn.neighbors import NearestNeighbors
import numpy as np
import pandas as pd
from pandas import  *
from numpy import *
import csv
from sklearn import tree
from sklearn.tree import export_graphviz

class Smote:
    def __init__(self,samples,N,k=5):
        self.n_samples,self.n_attrs = samples.shape
        self.N = N
        self.k = k
        self.samples = samples
        self.newindex = 0



    @property
    def over_sampling(self):
        N = int(self.N/100)
        self.synthetic = np.zeros((self.n_samples * N,self.n_attrs))
        neighbors = NearestNeighbors(n_neighbors=self.k).fit(self.samples)
        print 'neighbors',neighbors

        for i