数据分析师养成之路---keras中笔记(上,下采样,数据增强部分)

最新推荐文章于 2024-08-20 20:55:16 发布

鲁鲁酱1996

最新推荐文章于 2024-08-20 20:55:16 发布

阅读量3.8k

点赞数 2

分类专栏：机器学习之Python语言基础

本文链接：https://blog.csdn.net/lulujiang1996/article/details/81112971

版权

本文介绍了在数据不平衡的情况下，如何在Keras中进行上采样和下采样以平衡数据集。上采样通过复制少数类样本达到与多数类相似的数量；下采样则是从多数类中随机选取与少数类相同数量的样本。此外，还探讨了如何使用生成器自定义参数实现数据增强，通过调整参数如高斯噪声、gamma等来随机增强图像。

摘要由CSDN通过智能技术生成

上采样:
有两类样本(A,B),A>B数量,若n*B=A(约等于),则B样本数据变为:n*B,A样本数据为:A

def upperSample(df)
    df.index=range(len(df))
    df_A=df[df['class']=='A']
    df_B=df[df['class']=='B']
    len_A=len(df_A)
    len_B=len(df_B)
    index_A=df_A.index
    index_B=df_B.index

    if len_A==len_B:
       return shuffleDF(df)#shuffleDF()为自定义的重排函数,使df中的样本分布打乱
    elif len_A>len_B:
         x=len_A//len_B
         df_B=df.iloc[list(index_B)*x]
         df=pd.concat([df_A,df_B],axis=0)
         df.index=range(len(df))
         return