重新校对scikit-learn和/或pandas

Question

在Pandas或Scikit中是否有内置函数 - 根据指定的策略学习重新采样？我想根据分类变量重新采样我的数据.

例如,如果我的数据有75%的男性和25%的女性,但我想训练我的模型50%的男性和50%的女性.(我也希望能够推广到非50/50的案例)

我需要的是根据指定的比例重新采样我的数据.

Answer 1

分层抽样意味着保留类别分布。如果您正在寻找这个，您仍然可以使用StratifiedKFoldand StratifiedShuffleSplit，只要您有一个分类变量并希望确保每个折叠具有相同的分布。只需使用变量而不是目标变量即可。例如，如果列中有一个分类变量i，

skf = cross_validation.StratifiedKFold(X[:,i])

但是，如果我理解正确的话，您想要重新采样到分类特征之一的特定目标分布（例如 50/50）。我想您必须想出自己的方法来获取这样的样本（按变量值分割数据集，然后从每个分割中获取相同数量的随机样本）。如果您的主要动机是平衡分类器的训练集，那么调整sample_weights. 您可以设置权重，以便它们根据所需的变量平衡训练集：

sample_weights = sklearn.preprocessing.balance_weights(X[:,i])
clf = svm.SVC()
clf_weights.fit(X, y, sample_weight=sample_weights)

对于不均匀的目标分布，您必须相应地调整样本权重。