机器学习 / 数据分析（五） (特征工程——数据采样)

 

 

数据采样

1.     有放回的采样 Random Sampling

 

2.     无放回抽样 Random Sampling

 

3.     分层抽样

 

4.     概率采样

 

不平衡采样

5.     随机过采样标签数据(为了样本平衡)

数据不平衡：

随机抽样，使样本平衡：

 

6.     PCA 降维

画图方法：

 

7.     RandomUnderSampler 随机欠采样

 

8.     RandomOverSampler 随机过采样

 

9.     Tomeklinks 欠采样

 

10.   ClusterCentroids 欠采样

函数提供了一种很高效的方法来减少样本的数量, 但需要注意的是, 该方法要求原始数据集最好能聚类成簇. 此外, 中心点的数量应该设置好, 这样下采样的簇能很好地代表原始数据

 

11.   SMOTE

对于少数类样本a, 随机选择一个最近邻的样本b, 然后从a与b的连线上随机选取一个点c作为新的少数类样本

 

12.   SMOTTomek

在之前的SMOTE方法中, 当由边界的样本与其他样本进行过采样差值时, 很容易生成一些噪音数据. 因此, 在过采样之后需要对样本进行清洗.