您的位置:首页 > 其它

SVM 解决类别不平衡问题(scikit_learn)

2018-02-18 10:10 531 查看
在支持向量机中,CC 是负责惩罚错误分类数据的超参数。

解决数据类别不平衡的一个方法就是使用基于类别增加权重的CC值

Cj=C∗wjCj=C∗wj

其中,CC是误分类的惩罚项,wjwj是与类别 jj 的出现频率成反比的权重参数,CjCj 就是类别 jj 对应的 加权CC值

主要思路就是增大误分类 少数类别 带来的影响,保证 少数类别 的分类正确性,避免被多数类别掩盖

在scikit-learn 中,使用 svc 方法时,可以通过设置参数

class_weight=’balanced’

实现上述加权功能

参数‘balanced’ 会自动按照以下公式计算权值:

wj=nknjwj=nknj

其中,wjwj 为类别 jj 对应权值,nn 为数据总数,kk为类别数量,即数据有kk 个种类,njnj是类别 jj 的数据个数

0.导入库

# Load libraries
from sklearn.svm import SVC
from sklearn import datasets
from sklearn.preprocessing import StandardScaler
import numpy as np


1、加载Iris Flower 数据集

#只加载两个类别的数据,两类,各50个
iris = datasets.load_iris()
X = iris.data[:100,:]
y = iris.target[:100]


2.不均衡化数据集

# 删掉前四十个数据,数据总数变为60个
X = X[40:,:]
y = y[40:]

# 类别为0的类别不变,类别不为0的全部变为1
y = np.where((y == 0), 0, 1)


y


array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1])


可以看到,有60个数据,10个为类别0,50个为类别1

3.特征标准化

# Standarize features
scaler = StandardScaler()
X_std = scaler.fit_transform(X)


4.使用加权类别训练SVM分类器

# Create support vector classifier
svc = SVC(kernel='linear', class_weight='balanced', C=1.0, random_state=0)

# Train classifier
model = svc.fit(X_std, y)


翻译自Chris Albon 博客

原文地址
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息