熊猫数据:合成数据的生成

Question

我有一个数据框架df，包含3个类(分类问题)。数据以分类形式包含大多数列，且数据集不平衡。我正在尝试生成一个综合数据集，该数据集复制原始数据帧的特征和特性。

Q1。来自data.make_classification的scikit-learn是否可用于生成合成数据以平衡不平衡的df？

Q2。data.make_classification是否仅用于随机数据生成，而不与现有数据df再现相似的数据？

Answer 1

make_classification主要用于从零开始生成用于简单测试的合成数据。它基本上只是来自高斯的样本，这可能不是你想要填写的数据。它也不支持分类特性。

有许多用于合成数据生成的库(快速Google/Github搜索)，它们试图模拟原始数据的属性。

您还应该考虑过采样技术，其中有些涉及合成数据生成。请查看不平衡学习库以获得一个很好的介绍，包括支持分类和混合数据的算法。