ClusterCentroids#
- class imblearn.under_sampling.ClusterCentroids(*, sampling_strategy='auto', random_state=None, estimator=None, voting='auto')[source]#
通过基于聚类方法生成质心来进行欠采样。
该方法通过对多数类进行欠采样，通过将多数类样本的集群替换为KMeans算法的集群质心。该算法通过将KMeans算法与N个集群拟合到多数类，并使用N个集群质心的坐标作为新的多数类样本，从而保留N个多数类样本。
在用户指南中阅读更多内容。
- Parameters:
- sampling_strategyfloat, str, dict, callable, default=’auto’
采样信息以对数据集进行采样。
当
float时，它对应于重采样后少数类样本数量与多数类样本数量的期望比率。因此，该比率表示为 \(\alpha_{us} = N_{m} / N_{rM}\)，其中 \(N_{m}\) 是少数类样本的数量，\(N_{rM}\) 是重采样后多数类样本的数量。警告
float仅适用于二分类。对于多类分类会引发错误。当
str时，指定重采样所针对的类别。不同类别中的样本数量将被均衡化。可能的选择有：'majority': 仅对多数类进行重采样;'not minority': 对除少数类之外的所有类进行重采样;'not majority': 重新采样除多数类之外的所有类；'all': 对所有类别进行重采样;'auto': 等同于'not minority'.当
dict时，键对应于目标类别。值对应于每个目标类别所需的样本数量。当可调用时，函数接受
y并返回一个dict。键对应于目标类别。值对应于每个类别所需的样本数量。
- 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。
- estimatorestimator object, default=None
一个与scikit-learn兼容的聚类方法，它暴露了一个
n_clusters参数和一个cluster_centers_拟合属性。默认情况下，它将是一个默认的KMeans估计器。- voting{“hard”, “soft”, “auto”}, default=’auto’
生成新样本的投票策略：
如果
'hard'，将使用通过聚类算法找到的质心的最近邻。如果
'soft'，将使用聚类算法找到的质心。如果
'auto'，如果输入是稀疏的，它将默认使用'hard'，否则将使用'soft'。
在版本0.3.0中添加。
- Attributes:
- sampling_strategy_dict
包含用于采样数据集信息的字典。键对应于从中采样的类标签，值是要采样的样本数量。
- estimator_estimator object
从
estimator参数创建的已验证估计器。- voting_str
经过验证的投票策略。
- n_features_in_int
输入数据集中的特征数量。
在版本0.9中添加。
- feature_names_in_ndarray of shape (
n_features_in_,) 在
fit期间看到的特征名称。仅在X具有全部为字符串的特征名称时定义。在版本0.10中添加。
另请参阅
EditedNearestNeighbours通过编辑样本进行欠采样。
CondensedNearestNeighbour通过压缩样本进行欠采样。
注释
支持通过独立采样每个类别来进行多类重采样。
示例
>>> from collections import Counter >>> from sklearn.datasets import make_classification >>> from sklearn.cluster import MiniBatchKMeans >>> from imblearn.under_sampling import ClusterCentroids >>> X, y = make_classification(n_classes=2, class_sep=2, ... weights=[0.1, 0.9], n_informative=3, n_redundant=1, flip_y=0, ... n_features=20, n_clusters_per_class=1, n_samples=1000, random_state=10) >>> print('Original dataset shape %s' % Counter(y)) Original dataset shape Counter({1: 900, 0: 100}) >>> cc = ClusterCentroids( ... estimator=MiniBatchKMeans(n_init=1, random_state=0), random_state=42 ... ) >>> X_res, y_res = cc.fit_resample(X, y) >>> print('Resampled dataset shape %s' % Counter(y_res)) Resampled dataset shape Counter({...})
方法
fit(X, y, **params)检查采样器的输入和统计信息。
fit_resample(X, y, **params)重新采样数据集。
get_feature_names_out([input_features])获取用于转换的输出特征名称。
获取此对象的元数据路由。
get_params([deep])获取此估计器的参数。
set_params(**params)设置此估计器的参数。
- fit(X, y, **params)[source]#
检查采样器的输入和统计信息。
在所有情况下，您都应该使用
fit_resample。- Parameters:
- X{array-like, dataframe, sparse matrix} of shape (n_samples, n_features)
数据数组。
- yarray-like of shape (n_samples,)
目标数组。
- Returns:
- selfobject
返回实例本身。
- fit_resample(X, y, **params)[source]#
重新采样数据集。
- Parameters:
- X{array-like, dataframe, sparse matrix} of shape (n_samples, n_features)
包含需要采样的数据的矩阵。
- yarray-like of shape (n_samples,)
X中每个样本对应的标签。
- Returns:
- X_resampled{array-like, dataframe, sparse matrix} of shape (n_samples_new, n_features)
包含重采样数据的数组。
- y_resampledarray-like of shape (n_samples_new,)
X_resampled对应的标签。
- get_feature_names_out(input_features=None)[source]#
获取转换的输出特征名称。
- Parameters:
- input_featuresarray-like of str or None, default=None
输入特征。
如果
input_features是None，则使用feature_names_in_作为特征名称。如果feature_names_in_未定义，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。如果
input_features是类似数组的，那么input_features必须 与feature_names_in_匹配，如果feature_names_in_已定义。
- Returns:
- feature_names_outndarray of str objects
与输入特征相同。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看用户指南了解路由机制的工作原理。
- Returns:
- routingMetadataRequest
一个封装路由信息的
MetadataRequest。
