鱼C论坛

 找回密码
 立即注册
查看: 745|回复: 1

想问下处理数据集不平衡问题的代码怎么写

[复制链接]
发表于 2020-4-12 19:41:59 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
应该是我的数据集不平衡,用代码要怎么处理,处理之后我想用随机森林建模,所以想知道在模型
前面怎么加代码来处理数据集的不平衡问题
  1. import pandas as pd  
  2. from sklearn.model_selection import train_test_split
  3. from sklearn.ensemble import RandomForestClassifier
  4. import numpy as np
  5. from sklearn.metrics import accuracy_score
  6. from sklearn.metrics import confusion_matrix
  7. url=r"C:\Users\zmj佳佳佳\Desktop\测试.csv"
  8. df = pd.read_csv(url, header=None, low_memory=False)  
  9. df.columns = ["grade", "dti", "delinq_2yrs", "earliest_cr_line", "fico_range_low", "inq_last_6mths",
  10.               "mths_since_last_delinq", "pub_rec", "revol_bal", "revol_util", "mths_since_last_major_derog",
  11.               "tot_cur_bal", "open_acc_6m", "open_il_12m", "open_il_24m", "mths_since_rcnt_il", "open_rv_12m",
  12.               "open_rv_24m", "max_bal_bc", "all_util", "inq_last_12m", "acc_open_past_24mths", "avg_cur_bal",
  13.               "bc_open_to_buy", "mo_sin_old_il_acct", "mo_sin_old_rev_tl_op", "mo_sin_rcnt_rev_tl_op", "mo_sin_rcnt_tl",
  14.               "mort_acc", "mths_since_recent_bc_dlq", "mths_since_recent_inq", "mths_since_recent_revol_delinq",
  15.               "num_accts_ever_120_pd", "num_actv_bc_tl", "num_actv_rev_tl", "num_bc_sats", "num_bc_tl",
  16.               "num_rev_accts", "num_rev_tl_bal_gt_0", "num_tl_90g_dpd_24m", "num_tl_op_past_12m", "pct_tl_nvr_dlq",
  17.               "pub_rec_bankruptcies"]
  18. df.info()
  19. # 将数据集分为训练集和测试集
  20. x, y = df.iloc[:, 1:].values, df.iloc[:, 0].values
  21. x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=0)
  22. feat_labels = df.columns[1:]
  23. forest = RandomForestClassifier(random_state=0,n_jobs=-1, class_weight="balanced")
  24. forest.fit(x_train, y_train)

  25. print("准确率:", forest.score(x_train, y_train))
  26. predict_results=forest.predict(x_test)
  27. print(accuracy_score(predict_results, y_test))

  28. print(confusion_matrix(predict_results, y_test))

复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2020-4-12 19:45:09 | 显示全部楼层
因为我得模型准确率特别低,应该是数据集不平衡,我的目标变量如下:分为7类,这应该是不平衡才导致我得随机森林模型准确率只有40%吧                               
                次数       
有效        1        35494       
        2        30911       
        3        24827       
        4        13356       
        5        2962       
        6        23       
        7        14       
        总計        107587       



小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-6-14 16:10

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表