Python 二次抽样+；使用scikit学习进行分类

我正在使用Scikit学习进行二进制分类任务。。我有： 0级：200次观察 第1类：50次观察

因为我有一个不平衡的数据。。我想从多数类中随机抽取一个子样本，其中观测值的数量将与少数类相同，并希望使用新获得的数据集作为分类器的输入。。二次抽样和分类过程可以重复多次。。我有以下代码，主要是借助

它像一个符咒一样工作，但是，在处理多数集x和多数集y的末尾，我希望能够用新的较小集替换表示x\u列、y\u列中class0的旧集，以便按如下方式将其传递给分类器或管道：

pipeline = Pipeline([
    ('vectorizer',  CountVectorizer( tokenizer=tokens, binary=True)),
    ('classifier',SVC(C=1,kernel='linear')) ])

pipeline.fit(X_train, y_train)

为了解决这个问题，我做了什么：

---

因为结果是numpy数组，而且我对整个领域都是新手，所以我非常努力地学习。。我尝试将两个结果数组组合在一起，以形成我想要的训练数据。。我不能，它给了我一些错误，我正在努力解决，直到现在。。。但即使我能。。我怎样才能保持他们的指数，这样大多数人和少数人也会是真实的

在处理多数和少数之后，您可以将您的训练集与

X_train = np.concatenate((majority_x,minority_x))
y_train = np.concatenate((majority_y,minority_y))

现在，X_列和y_列将首先包含y=0的所选样本，然后包含y=1的样本

您的相关问题的想法： 通过创建多数样本数长度的随机排列向量来选择多数样本。 然后选择该向量的前50个索引，然后选择下50个索引，依此类推。 当您完成该向量时，每个样本将被精确地选择一次。 如果你想要更多的迭代或者剩余的置换向量太短，你可以求助于随机选择

正如我在评论中提到的，您可能还希望在np.random.choice中添加参数“replace=False”，

---

如果您想避免在一次迭代中多次使用同一个样本。

只是为了确保这不是一个问题：您是否真的在寻找类似的东西？也许你可以简单地解释一下为什么（如果有的话）这是一个不同的问题，然后为不平衡的数据构建一个CV管道？从你给我的页面上的示例来看，分层函数似乎总是会返回一个与我的情况不同的训练和测试集。。。我现在只在训练场工作。。。我想稍后提供测试集，因为它是基于不同的标准分割的，而不是基于随机分割的。如果我理解您的问题（如何将新的子采样集合并在一起），您可能希望查看

numpy.concatenate（（多数，少数））

。作为补充说明，您可能需要在random.choice中添加

replace=False

，以防止对同一样本进行多次采样。谢谢。。我已经按照你的建议做了，在一个小程序中，一切都做得非常好。。直到我把它移到我原来的程序。。看起来原来的x_列车并不像我想的那样是一个列表！它只是一个列表，每个项目的开头都有一个附加的“u”！。。我正在从文本文件加载我的原始数据，这就是原因！我怎样才能四处走动呢that@user2739381

打印（类型（x\U列））的输出是什么

？如果它真的只是一个列表，我不认为你可以做

mostive\ux=x\u train[y==0，：]

（顺便说一下，在你的问题中，你有

mostive\ux=x[y==0，：]

那x和x\u train一样吗？）虽然我不确定会发生什么。是的，这是一个列表，我将它转换到numpy数组中，我已将多数代码更改为多数_x=x[y==0]。。它起作用了。。会发生什么错误？你认为连接现在起作用了吗？如果它是一个列表，您应该能够将它们与

多数\ux+少数\ux

合并。

X_train = np.concatenate((majority_x,minority_x))
y_train = np.concatenate((majority_y,minority_y))