Pandas 数据框：合成数据生成

Question

我有一个数据框df，其中包含 3 个类（分类问题）。数据包含大多数分类列，并且数据集不平衡。我正在尝试生成一个合成数据集，以复制原始数据框的特征和特征。

第一季度。 scikit-learn中的data.make_classification是否可以用来生成合成数据来平衡不平衡的df？

第二季度。 data.make_classification 是否仅用于随机数据生成，而不是与现有数据df 重现相似数据？

Answer 1

make_classification 主要用于从头开始生成合成数据以进行简单测试。它基本上只是来自高斯的样本，这可能不是您想要填写数据的方式。它也不支持分类特征。

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

您还应该考虑过采样技术，其中一些涉及合成数据生成。查看Imbalanced Learn 库以获得很好的介绍，包括支持分类和混合数据的算法。