【python实战】对不平衡数据实现SMOTE过采样

1. SMOTE过采样

2. 要实现的效果

1. 采样前（26x7），label为1的有6个，label为0的有20个
   

2. 采样后（label为0和1的均有20个）
   

3. 代码

import xlwt  # 负责写excel
import numpy as np
import pandas as pd
from imblearn.over_sampling import SMOTE

# 少数类（label为1）：只有6个
# 多数类（label为0）：有20个
matrix = [
    [2, 4, 4, 2, 3, 3, 0],
    [2, 2, 3, 2, 1, 2, 1],
    [2, 3, 3, 2, 2, 3, 1],
    [2, 2, 3, 2, 5, 2, 1],
    [2, 3, 4, 3, 2, 2, 0],
    [1, 5, 4, 2, 2, 1, 0],
    [2, 5, 4, 4, 4, 1, 0],
    [2, 4, 4, 4, 4, 7, 0],
    [1, 4, 2, 2, 2, 4, 0],
    [2, 3, 3, 2, 5, 2, 0],
    [1, 2, 2, 2, 1, 3, 0],
    [2, 5, 4, 2, 5, 2, 0],
    [1, 5, 3, 4, 4, 2, 1],
    [2, 6, 2, 2, 4, 1, 0],
    [2, 4, 4, 3, 4, 2, 0],
    [2, 2, 4, 3, 5, 3, 0],
    [1, 6, 3, 3, 4, 7, 0],
    [1, 4, 4, 3, 4, 3, 0],
    [1, 6, 3, 2, 2, 1, 0],
    [2, 3, 3, 2, 4, 2, 0],
    [1, 4, 3, 4, 5, 2, 0],
    [2, 6, 3, 4, 3, 1, 0],
    [1, 2, 1, 2, 5, 2, 0],
    [1, 5, 4, 2, 4, 1, 0],
    [1, 5, 2, 1, 1, 1, 1],
    [1, 5, 3, 4, 2, 1, 1],
]
def generateExcel(matrix):
    matrix = np.array(matrix)
    filename =xlwt.Workbook() # 创建工作簿
    sheet1 = filename.add_sheet(u'sheet1',cell_overwrite_ok=True) # 创建sheet
    [h,l] = matrix.shape # h为行数，l为列数
    for i in range (h):
        for j in range (l):
            sheet1.write(i,j,str(matrix[i,j]))
    filename.save('data.xlsx') #保存到当前工作目录

def savaToExcel(df):
    '''
    将dataframe存储到excel中
    '''
    outputPath = 'C:\work-file\pythonProject\Demo练习\output\output.xlsx'
    writer = pd.ExcelWriter(outputPath)
    data_resampled.to_excel(writer)
    writer.save() # 保存文件
    writer.close() # 关闭文件


if __name__ == '__main__':
    # generateExcel(matrix)
    col_name = ['性别', '年级', '时长', '使用频率', '使用数量', '专业类别', '是否为重度抑郁情绪']
    data = pd.read_excel('C:\\work-file\\pythonProject\\Demo练习\\data.xlsx', sheet_name=0, names=col_name, header=None)
    X = data.iloc[:, 0:6].values
    y = data.iloc[:, 6].values

    # 核心代码
    X_resampled, y_resampled = SMOTE().fit_resample(X, y)

    data_resampled = np.zeros([len(y_resampled), 7]) # 构造 40 x 7 的元素为0的矩阵
    # 合并数据（SMOTE过采样后的数据：少数、多数的样本都是20，共40个）
    data_resampled[:, :6] = X_resampled
    data_resampled[:, 6] = y_resampled

    # 将数据保存成dataframe，为了后面保存到Excel中
    data_resampled = pd.DataFrame(data_resampled, columns=col_name)
    print(data_resampled)

    # 保存数据至excel
    savaToExcel(data_resampled)

4. 参考

Python实战——过采样数据的处理之改进的SMOTE算法

P.S.我是根据这个文章，将他的数据保存至excel中然后再读取，数据稍微改了下，因为SMOTE去采样的时候报错了，所以我将数据增加至26行。因为python版本的问题，很多原博客里面的API（ix、fit_sample）也不能用了，我都更新到了python3.8可以用的api。