样本类别均衡化概念:
通过类别权重的均衡化,使所占比列较小的样本权重较高,而所占比列较大的样本权重较低。
代码实现:
import numpy as np
import pandas as pd
import sklearn.svm as svm
import sklearn.model_selection as ms
import sklearn.metrics as sm
data = pd.read_csv('C:/Users/81936/Desktop/balance.txt', delimiter=",")
data = np.array(data)
data1 = data[:, :-1]
data2 = data[:, -1]
data3 = []
for i in data2:
if i==' R':
data3.append(1)
if i==' B':
data3.append(2)
if i==' L':
data3.append(3)
data3 = np.array(data3)
data = np.column_stack((data1, data3))
x = np.array(data[:, :-1], dtype=float)
y = np.array(data[:, -1], dtype=float)
# 利用sklearn划分训练集和测试集
# ms.train_test_split() x和y是输入和输出,test_size用于确定划分测试集的比例,random_state为随机种子(用于确保每次划分的都一样)
train_x, test_x, train_y, test_y = ms.train_test_split(x, y, test_size=0.25, random_state=1)
# 构建svm分类器
# class_weight='balanced'就实现了样本类别均衡化
model = svm.SVC(kernel='linear', class_weight='balanced')
model.fit(train_x, train_y)
# 输出模型的预测效果
pred_test_y = model.predict(test_x)
acc = (pred_test_y == test_y).sum() / test_y.size
注:本实验使用的数据集有三种类别,R B L。
B类别样本数量少,所以在创建svm分类器时,使用了样本类别均衡化。对B类样本的预测效果有促进作用
如果不使用svm,使用其它分类器时,可以对样本使用下采样,或者上采样