Python 如何在训练期间从Scikit Learn SVM中的每个类中抽取相同数量的示例？

我使用Scikit学习实现一个。由于我正在处理类不平衡（96%到4%），我希望SVM在训练期间从每个类中抽取相同数量的样本。使用Scikit Learn如何实现这一点？

您可能会对包感兴趣，该包有许多实现，如过采样和欠采样，以解决类不平衡问题。

您可能会对包感兴趣，该包有许多实现，如过采样和欠采样，以解决类不平衡问题问题。

另一种方法是使用

class\u weight='balanced'

参数调整类权重；根据（其他SVM模型也存在类似的论点）：

等级权重：{dict，'balanced'，}，可选

将SVC的i类参数C设置为i类权重[i]*C。如果没有给出，所有类都应该有权重1。“平衡的” 模式使用y值自动反向调整权重 与输入数据中的类频率成比例，如

n\u样本/
（n_类*np.bincount（y））

---

另一种方法是使用

class\u weight='balanced'

参数调整类权重；根据（其他SVM模型也存在类似的论点）：

等级权重：{dict，'balanced'，}，可选

将SVC的i类参数C设置为i类权重[i]*C。如果没有给出，所有类都应该有权重1。“平衡的” 模式使用y值自动反向调整权重 与输入数据中的类频率成比例，如

n\u样本/
（n_类*np.bincount（y））