Python 如何使用多个目标变量（多输出）超/欠采样数据？

假设我有一个数据集，有2个独立特征和6个相依特征，如下所示，

AA和BB

是独立的，

a、B、C、D、E、F

是因变量

AA        BB       A B C D E F
teacher   No       1 0 0 1 0 0
student   Yes      1 1 0 1 0 0
officer   Yes      0 0 1 0 0 0
engineer  Maybe    1 1 1 0 0 0
student   Sure     0 1 1 0 0 1
lawyer    Maybe    1 1 0 0 1 0
student   Yes      1 0 0 1 1 0
teacher   No       1 1 1 0 0 0
doctor    No       0 1 1 0 0 0
engineer  Maybe    1 0 0 1 1 0

---

如果我想通过上采样、下采样或过采样来平衡数据，我该怎么做？普通的SMOTE和sklearn技术不会攻击多个目标，也不会抛出很多错误。有人能帮我一下吗。

免责声明：如果重新采样类/加权损失函数使训练集更接近测试集中的类分布，它只会改善您的结果。在这种情况下，首选加权损失函数

如何对数据集重新采样：

class_counts = df['AA'].value_counts()
class_weights = len(class_counts)/class_counts
resampled_df = df.sample(
    n=class_counts.max()*len(class_counts),
    weights=df['AA'].map(class_weights), 
    replace=True)

---

免责声明：重新采样类/加权损失函数只有在使训练集更接近测试集中类的分布时，才能改善结果。在这种情况下，首选加权损失函数

如何对数据集重新采样：

class_counts = df['AA'].value_counts()
class_weights = len(class_counts)/class_counts
resampled_df = df.sample(
    n=class_counts.max()*len(class_counts),
    weights=df['AA'].map(class_weights), 
    replace=True)

---

只对类进行加权要容易得多，其结果与您使用的分类器/框架相同？我使用了带SGDClassizer的MultiOutputClassifier，没有调整普通分类器，我无法提高精度，因为类是不平衡的。您是在尝试“平衡”吗类或者你有一个特定的目标要达到吗？为了平衡类，只需将

class\u weight='balanced'添加到

sgdclassizer的参数中`只对类进行加权就容易多了，结果与你使用的分类器/框架相同？我使用了带有sgdclassizer的多输出分类器，没有调整普通分类器，我无法提高准确性，因为课程不平衡。你是想“平衡”课程，还是想达到一个特定的目标？平衡课程，只需将

class_weight='balanced'添加到

sgdclassizer'的参数中，最后一个目标列不会得到改进，在给定的情况下，它会得到全部零，并且这里的限制是，如果独立列是文本列，那么它会给出与之前相同的结果@Marat@AniketRele您可以对任何列进行这种重采样，而不仅仅是类。我不确定您对文本列的关注是什么最后一个目标列没有得到改进，在给定的情况下，它将全部为零，并且这里的限制是，如果独立列是文本列，那么它将给出与以前相同的结果@Marat@AniketRele您可以对任何列进行这种重采样，而不仅仅是类。我不知道你对文本栏有什么担心