NearMiss#
- class imblearn.under_sampling.NearMiss(*, sampling_strategy='auto', version=1, n_neighbors=3, n_neighbors_ver3=3, n_jobs=None)[source]#
用于执行基于NearMiss方法的欠采样的类。
更多内容请参阅用户指南。
- 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。
- versionint, default=1
使用的NearMiss版本。可能的值为1、2或3。
- n_neighborsint or estimator object, default=3
如果
int，则考虑用于计算到少数点样本的平均距离的邻域大小。如果是对象，则是一个继承自KNeighborsMixin的估计器，将用于查找 k_neighbors。 默认情况下，它将是一个 3-NN。- n_neighbors_ver3int or estimator object, default=3
如果
int，NearMiss-3 算法从重新采样的阶段开始。此参数对应于选择的邻居数量，用于创建将执行选择的子集。如果对象，则继承自KNeighborsMixin的估计器将用于查找 k_neighbors。默认情况下，它将是一个 3-NN。- n_jobsint, default=None
在交叉验证循环中使用的CPU核心数量。
None表示1，除非在joblib.parallel_backend上下文中。-1表示使用所有处理器。更多详情请参见 术语表。
- 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。
- nn_estimator object
从
n_neighbors参数创建的已验证K近邻对象。- nn_ver3_estimator object
从
n_neighbors_ver3参数创建的已验证K近邻对象。- sample_indices_ndarray of shape (n_new_samples,)
所选样本的索引。
在版本0.4中添加。
- 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
RandomUnderSampler随机欠采样数据集。
InstanceHardnessThreshold使用分类器对数据集进行欠采样。
注释
这些方法基于[1]。
支持多类重采样。
参考文献
[1]I. Mani, I. Zhang. “kNN方法应用于不平衡数据分布： 一个涉及信息提取的案例研究，” 在2003年不平衡数据集学习研讨会论文集。
示例
>>> from collections import Counter >>> from sklearn.datasets import make_classification >>> from imblearn.under_sampling import NearMiss >>> 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}) >>> nm = NearMiss() >>> X_res, y_res = nm.fit_resample(X, y) >>> print('Resampled dataset shape %s' % Counter(y_res)) Resampled dataset shape Counter({0: 100, 1: 100})
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。
