Python 当数据看起来像三维阵列时，如何平衡数据？

我得到了一个大小为

（3275412，50，22）

的numpy_数组，它代表了为LSTM目的而重塑的数据，我得到了一个形状为

（3275412，）

的目标向量

我想平衡我的数据，使目标

0

和

1

的数据数量大致相同。 我准备数据的方式使我无法在重塑之前进行此平衡操作

首先，我想应用

make_

函数（详情请参见），但无法将其应用于二维阵列（出现错误）

我的问题是：对于3D阵列，最有效的方法是什么

我的想法：我想先通过“连接”第二维度和第三维度将我的三维数组“展平”为二维数组（但不知道怎么做，请告诉我？？），然后应用

make_unbalance

，然后将结果重塑为三维数组（同样，我也不知道怎么做）。这似乎有点棘手，但是

---

因此，任何帮助都将不胜感激，无论是对于其他不平衡方法，还是关于重塑3D->2D的帮助，或者反之亦然，您可以使用

np。对于未知尺寸，使用
-1
重塑

data2d = data3d.reshape(data3d.shape[0], -1)

将为您提供一个二维形状数组
（n个样本，n个特征）
第二维度和第三维度合并

data2d_new, y_new = make_imbalance(data2d, y) 

调用
make_disbalance
后，您将得到一个具有形状
（n_samples_new，n_features）
的2d数组，其中行数“未知”，但您知道原始3d数组的其他两个“feature”维度，因此

data3d_new = data2d.reshape(-1, data3d.shape[1], data3d.shape[2])

将返回平衡的3d数据集