使用One与rest分类器进行上/下采样

Question

我有一个数据集(tf idf加权词(，其中包含我试图预测的多个类。我的课不平衡。我想使用来自sklearn的OneVsRestClassifier对一些分类器(例如，多项式朴素贝叶斯(使用OneVsRest分类方法。

此外，我想使用不平衡学习包(很可能是上采样和下采样的组合之一(来增强我的数据。使用不平衡学习的正常方法是：

from imblearn.combine import SMOTEENN
smote_enn = SMOTEENN(random_state=0)
X_resampled, y_resampled = smote_enn.fit_resample(X, y)

我现在有一个数据集，每个标签的病例数大致相同。然后我会在重新采样的数据上使用分类器。

from sklearn.multiclass import OneVsRestClassifier
from sklearn.naive_bayes import MultinomialNB
ovr = OneVsRestClassifier(MultinomialNB())
ovr.fit(X_resampled, y_resampled)

但是：现在每个标签在安装时都存在巨大的不平衡，因为我总共有50多个标签。正确的我想我需要对每个标签应用上/下采样方法，而不是一开始只做一次。如何对每个标签使用重新采样？

Answer 1

根据评论中的讨论，您想要的可以这样做：

from sklearn.naive_bayes import MultinomialNB
from imblearn.combine import SMOTEENN
# Observe how I imported Pipeline from IMBLEARN and not SKLEARN
from imblearn.pipeline import Pipeline
from sklearn.multiclass import OneVsRestClassifier
# This pipeline will resample the data and  
# pass the output to MultinomialNB
pipe = Pipeline([('sampl', SMOTEENN()), 
('clf', MultinomialNB())])
# OVR will transform the `y` as you know and 
# then pass single label data to different copies of pipe 
# multiple times (as many labels in data)
ovr = OneVsRestClassifier(pipe)
ovr.fit(X, y)

代码解释：

• 步骤1:OneVsRestClassifier将创建y的多列。每个标签一个，其中该标签为正，其他标签均为负。

• 步骤2：对于每个标签，OneVsRestClassifier将克隆提供的pipe估计器，并将单个数据传递给它。

• 步骤3:

  a。pipe的每个副本都将获得一个不同版本的y，该版本将传递给其中的SMOTEENN，因此将进行不同的采样以平衡那里的类。

  b。pipe(clf(的第二部分将根据需要为每个标签获得平衡的数据集。

• 步骤4：在预测时间内，采样部分将关闭，因此数据将按原样到达clf。sklearn管道无法处理该部分，因此我使用imblearn.pipeline。

希望这能有所帮助。