imbalanced-learn 不平衡数据处理之过采样、下采样、综合采样

官方文档：

https://imbalanced-learn.org/en/stable/index.html

参考博客：

https://blog.csdn.net/kizgel/article/details/78553009

https://www.jianshu.com/p/be343414dd24

Imblearn package study
1. 准备知识
1.1 Compressed Sparse Rows(CSR) 压缩稀疏的行

2. 过采样(Over-sampling)
2.1 实用性的例子
2.1.1 朴素随机过采样
2.1.2 从随机过采样到SMOTE与ADASYN
2.1.3 SMOTE的变体
2.1.4 数学公式

3. 下采样(Under-sampling)
3.1 原型生成(prototype generation)
3.2 原型选择(prototype selection)
3.2.1 Controlled under-sampling techniques
3.2.2 Cleaning under-sampling techniques
3.2.2.1 Tomek’s links
3.2.2.2 Edited data set using nearest neighbours
3.2.2.3 Condensed nearest neighbors and derived algorithms
3.2.2.4 Instance hardness threshold

4. 过采样与下采样的结合
5. Ensemble的例子
5.1 例子
5.2 Chaining ensemble of samplers and estimators

6. 数据载入
6.1 不平衡数据集
6.2 生成不平衡数据

更多资料参考

https://www.cnblogs.com/bonelee/p/9089984.html

https://www.cnblogs.com/bonelee/p/9087286.html