在机器学习中难免会遇到数据分析分布不均的情况,处理不好会影响模型的训练效果。
这篇文章写的不错。
https://blog.csdn.net/tonydz0523/article/details/84325823
但是这个文章只是对分类问题的y进行处理,但是对于回归问题,由于y值是连续的,所以需要对连续变量进行离散化一下,在进行数据的上采样,以下代码是对数据添加离散化标签
k = 6
w = [0, 23, 24, 25, 26, 27, 28]
df['cut'] = pd.cut(pd['sensor_tt'], w, range(k)) # 添加切分标签
X = df.loc[:, df.columns != 'cut']
y = df.loc[:, df.columns == 'cut']