sklearn库安装_方便又好用的不平衡数据处理库:imblearn

在学习机器学习的时候，我们遇到的数据集大多是类别平衡的，即数据集中各个类的样本数都

很接近。但是实际问题中我们遇到的大部分数据集都是不均衡的。常用的处理方法如下：

• 对数据进行预处理，进行欠采样或者过采样等处理，使数据分布较为均衡。
• 对算法进行改进，使其对少数类更加敏感。

python提供了就是一个处理不均衡数据的imblearn库；其基于机器学习常用sklearn开发而

成，使用方法和sklearn库十分相似,上手非常容易。imblearn库对不平衡数据的主要处理方法主

要分为如下四种:

• 欠采样
• 过采样
• 联合采样
• 集成采样

包含了各种常用的不平衡数据处理方法，例如：随机过采样，SMOTE及其变形方法，tom-

links欠采样，编辑最近邻欠采样方法等等。

使用方法也很简单，下述代码就是使用随机欠采样方法平衡数据集，其他方法也类似。

from 

上图右一为原始数据集，右三为使用随机欠采样方法处理得到的数据集。

imblearn也提供了用户手册：3. Under-sampling。可以方便的查看其中内置的各种函数的

使用方法及其原理，同时每种算法的说明下面还提供了对应的论文地址。不过现在还没有汉化

的用户手册。

最后安装imblearn库的方法也很简单

pip3 install imbalanced-learn

成功之后就能在python中导入imblearn包。

imblearn的源代码地址如下，想深入研究的同学门可以clone下来自己深入研究：

https://github.com/scikit-learn-contrib/imbalanced-learn​github.com