处理不平衡数据的方法

处理不平衡数据我们可以采用欠（下）采样和过（上）采样的方法。
欠（下）采样：就是从数据量较多那类样本中，随机选出与数据较少那类样本数量相同的样本，最终组成正负样本数量相同的样本集。
过（上）采样：对样本中数量较少的那类样本生成算法补齐，使之达到与较多那类样本相匹配的数量，如SMOTO算法。合成新样本的策略是对每个少数类样本a，从它的最近邻中随机选一个样本b，然后在a,b之间的连线上随机选一点作为新合成的少数类样本。

SMOTE算法步骤

（4）重复步骤（1）、（2）和（3），通过迭代少数类别中的每一个样本$x_i$，最终将原始的少数类别样本量扩大为理想的比例。

SMOTE算法的代码实现

SMOTE算法的python实现如下：

from imblearn.over_sampling import SMOTE
X_oversampling,Y_oversampling=SMOTE(random_state = 100).fit_sample(X,Y)

SMOTE函数参数介绍

本文参考：https://www.cnblogs.com/HuangYJ/p/11773690.html