如何在分类过程中复制训练数据 n 次？答案

【问题标题】：How to copy training data n times during classification?如何在分类过程中复制训练数据 n 次？
【发布时间】：2017-05-01 16:39:25
【问题描述】：

我有一个分类问题，两个数据集分别有 200 分和 50 分。将这 40 个数据点中的一个作为测试集。考虑到五个最近邻，我选择了 kNN 作为分类器。

n_neighbors = 5
std = 5

# generate data

X0, y0 = make_blobs(n_samples=200, centers=2, n_features=2, cluster_std = std, random_state=42)
h = .1  # step size in the mesh

X1, y1 = make_blobs(n_samples=50, centers=2, n_features=2, cluster_std = std, random_state=42)

# split into training and test set
X0_train, X0_test, y0_train, y0_test = train_test_split(X0, y0, test_size=0.2, random_state=42)

X1_train, X1_test, y1_train, y1_test = train_test_split(X1, y1, test_size=0.2, random_state=42)

我必须以这样一种方式丰富数据，将第 1 类的训练数据复制 16 次，使第 1 类的训练规模与第 0 类相同。

如何将训练数据复制 16 次？我不知道这里的复制到底是什么意思。

谁能写几行代码来解释一下？

【问题讨论】：

标签： python machine-learning classification knn training-data

【解决方案1】：

我猜你说的是类不平衡问题，为了克服这个问题，你需要做采样（上采样或下采样），看看以下技术是否有帮助：(https://www.cs.cmu.edu/afs/cs/project/jair/pub/volume16/chawla02a-html/chawla2002.html)

【讨论】：