小编JCh*_*hat的帖子

我有一个包含 21000 行（数据样本）和 102 列（特征）的数据集。我想根据当前数据集生成一个更大的合成数据集，比如 100000 行，这样我就可以将它用于机器学习目的。

我一直在参考@Prashant 在这篇文章中的回答https://stats.stackexchange.com/questions/215938/generate-synthetic-data-to-match-sample-data，但我无法让它工作为我的数据生成更大的合成数据集。

import numpy as np
from random import randrange, choice
from sklearn.neighbors import NearestNeighbors
import pandas as pd
#referring to https://stats.stackexchange.com/questions/215938/generate-synthetic-data-to-match-sample-data


df = pd.read_pickle('df_saved.pkl')
df = df.iloc[:,:-1] # this gives me df, the final Dataframe which I would like to generate a larger dataset based on. This is the smaller Dataframe with 21000x102 dimensions.


def SMOTE(T, N, k):
# """
# Returns (N/100) * n_minority_samples synthetic minority samples.
#
# …

我知道像 Google Text to Speech 这样的库。然而，这在 Colab 中却不起作用。我最近在 Colab https://colab.research.google.com/github/tugstugi/pytorch-dc-tts/blob/master/notebooks/EnglishTTS.ipynb#scrollTo=jLU2p4Gq_12d中遇到了一个复杂的笔记本，我们可以在其中转换文本到演讲。但是，是否有一种简单的方法可以使用 Google Text to Speech 或 Google Colab 中的其他库？

这样我就提供了一个 String-"My name is XYZ"并在 Colab 笔记本中读出它。（这发生在我提供的链接中，但相当复杂）。

PS 如果可能的话，我希望音频能够自动播放，就像 GTTS 那样。在此笔记本中，我们需要单击“播放”按钮来输出语音。

假设我有一个 Pandas 数据框，df它具有以下结构：-

         Column 1      Column 2 ....     Column 100
Row 1    0.233           0.555              0
Row 2    0.231           0.514              2
..
Row 15000    0.232           0.455          3

Column 100表示每一行所属的特定类（可以来自0-14）。每个类别/类都有1000与之关联的行。对于每个类别（由 中的整数表示Column 100），我只想200随机选择样本，并创建一个新的数据框df_new，该数据框的新维度为15x200 = 3000 rows。有什么好方法可以达到这个目标吗？

假设我有 2 个df具有297232 x 122维度和df_raw维度的Pandas 数据框840380x122。df已经是 的子集df_raw。两个数据帧的索引均为DateTime。我想对70%来自 和df的30%值进行采样df_raw（如果需要，可以随机采样），同时确保采样的数据帧子集在索引方面没有重叠。

更准确地说，df_subset将从70%中随机选择值df， 并从 中随机df_raw_subset选择30%值df_raw，但df_subset和df_raw_subset不应该包含采样行的重叠，即它们应该具有唯一的DateTime索引。

我有一个df包含102列的 Pandas 数据框。每列都以不同的方式命名，例如A, B, C等，以提供以下结构的原始数据框

         Column A.    Column B.  Column C.   ....
Row 1.    
Row 2.
---
Row n

我想将列名称从A, B, Cetc.更改为F1, F2, F3, ...., F102. 我尝试使用 df.columns 但没有成功地以这种方式重命名它们。有什么简单的方法可以将所有列名自动重命名为F1 to F102自动，而不是单独重命名每个列名？

我有 2 个numpy数组，y_actual（实际值）和y_pred（ML 模型预测），都具有二进制值，0 或 1。

目前，我正在confusion matrix根据以下语法形成一个：-

df_confusion = pd.crosstab(y_actual, y_pred, rownames=['Actual'], colnames=['Predicted'], margins=True)
print('Confusion Matrix:')
print(df_confusion)

但是，我查看了 SO 和其他文档，但找不到具有最少代码的综合示例，这可以帮助我完成以下操作：-

1. 形成一个混淆矩阵图（使用matplotlib或Seaborn，其中显示每个类的实际样本数，旁边有 0 asClass A和 1 as 的名称标签Class B。
2. 绘制一个类似的混淆矩阵图，其中在混淆矩阵中显示每个类中的样本百分比（例如真阳性率、假阳性率等）。
3. 绘制一个进一步的混淆矩阵，显示混淆矩阵，以及右侧显示样本数量的比例（像这样）https://scikit-learn.org/stable/_images/sphx_glr_plot_confusion_matrix_001.png。为规范化的情况形成类似的混淆矩阵，如https://scikit-learn.org/stable/_images/sphx_glr_plot_confusion_matrix_001.png。

此外，正如问题中所述，目的是完成将 Class 0 标记为Class AClass 1 as Class B，因为目前这些仅显示为0和1，看起来不太连贯。我更喜欢用最少的代码来完成相同的工作，并生成连贯且美观的混淆矩阵图。高度赞赏这方面的任何帮助。