在Random under sampling中，如何定义drop ratio？

Question

当我使用欠采样代码时，似乎将主要类的数量与次要类的数量相同的比例降到了相同的比例(50%对50%)

我想使主修课的70%，当有30%的辅修课。

如何处理这个问题?设置主要类和次要类之间的权重的参数是什么？

sampler = RandomUnderSampler(ratio={1: 1000, 0: 65})
X_rs, y_rs = sastrong textmpler.fit_sample(X, y)
print('Random undersampling {}'.format(Counter(y_rs)))

Answer 1

应答

所以基本上，RandomUnderSampler(sampling_strategy = X)使用的策略是，少数类是多数类的X%。因此，如果您选择该X=1，您将得到类似于auto的结果，这使得两个类100%平衡。

现在，如果选择0.9，将使minority类占majority类的90%。

因此，如果您希望您的总集是70%-30%，您将需要做一些数学(笑话)。

sampling_strategy = 0.5，因为我们使用的是比率，如果多数类的大小是少数类的两倍，我们得到1/3比2/3，这大致就是你想要的。

TLDR

sampling_strategy采用这个比率，而你想要一个30/70的比率。因此，您必须传递3/7，即0.428。