balanced_batch_generator

imblearn.keras.balanced_batch_generator(X, y, *, sample_weight=None, sampler=None, batch_size=32, keep_sparse=False, random_state=None)

创建一个平衡的批次生成器来训练keras模型。

返回一个生成器——以及每个周期的步数——它被提供给fit。采样器定义了在创建批次之前用于平衡数据集的采样策略。采样器应该有一个属性sample_indices_。

Parameters:

Xndarray of shape (n_samples, n_features)

原始不平衡数据集。

yndarray of shape (n_samples,) or (n_samples, n_classes)

关联目标。

sample_weightndarray of shape (n_samples,), default=None

样本权重。

samplersampler object, default=None

一个具有属性sample_indices_的采样器实例。 默认情况下，使用的采样器是 RandomUnderSampler。

batch_sizeint, default=32

每次梯度更新的样本数量。

keep_sparsebool, default=False

是否保留输入的稀疏性（即X， y，sample_weight）。默认情况下，返回的批次将是密集的。

random_stateint, RandomState instance, default=None

控制算法的随机化。

• 如果是整数，random_state 是随机数生成器使用的种子；

• 如果 RandomState 实例，random_state 是随机数生成器；

• 如果 None，随机数生成器是 np.random 使用的 RandomState 实例。

Returns:

generatorgenerator of tuple

生成一批数据。生成的元组可能是 (X_batch, y_batch) 或 (X_batch, y_batch, sampler_weight_batch)。

steps_per_epochint

每个时期的样本数量。由keras中的fit_generator所需。

示例

>>> from sklearn.datasets import load_iris
>>> X, y = load_iris(return_X_y=True)
>>> from imblearn.datasets import make_imbalance
>>> class_dict = dict()
>>> class_dict[0] = 30; class_dict[1] = 50; class_dict[2] = 40
>>> from imblearn.datasets import make_imbalance
>>> X, y = make_imbalance(X, y, sampling_strategy=class_dict)
>>> import tensorflow
>>> y = tensorflow.keras.utils.to_categorical(y, 3)
>>> model = tensorflow.keras.models.Sequential()
>>> model.add(
...     tensorflow.keras.layers.Dense(
...         y.shape[1], input_dim=X.shape[1], activation='softmax'
...     )
... )
>>> model.compile(optimizer='sgd', loss='categorical_crossentropy',
...               metrics=['accuracy'])
>>> from imblearn.keras import balanced_batch_generator
>>> from imblearn.under_sampling import NearMiss
>>> training_generator, steps_per_epoch = balanced_batch_generator(
...     X, y, sampler=NearMiss(), batch_size=10, random_state=42)
>>> callback_history = model.fit(training_generator,
...                              steps_per_epoch=steps_per_epoch,
...                              epochs=10, verbose=0)