我们如何在 SMOTE 中设置比率以使正样本多于负样本？答案

【问题标题】：How do we set ratio in SMOTE to have more positive sample than negative sample?我们如何在 SMOTE 中设置比率以使正样本多于负样本？
【发布时间】：2019-09-08 03:42:23
【问题描述】：

我正在尝试使用 SMOTE 来处理二进制分类中的不平衡类数据，我知道的是：如果我们使用，例如

sm = SMOTE(ratio = 1.0, random_state=10)

Before OverSampling, counts of label '1': [78]
Before OverSampling, counts of label '0': [6266] 

After OverSampling, counts of label '1': 6266
After OverSampling, counts of label '0': 6266

对于 1 类为少数的情况，将导致 0 类和 1 类的数量为 50:50

和

sm = SMOTE(ratio = 0.5, random_state=10)

Before OverSampling, counts of label '1': [78]
Before OverSampling, counts of label '0': [6266] 

After OverSampling, counts of label '1': 3133
After OverSampling, counts of label '0': 6266

将导致类 1 的大小减半。

我的问题：

我们如何设置比率以使 1 类比 0 类获得更多，例如 75:25？

【问题讨论】：

标签： python pandas scikit-learn preprocessor smote

【解决方案1】：

尝试使用字典。

smote_on_1 = 18798 
#(In your case 18798 is thrice of 6266)

smt = SMOTE(sampling_strategy={1: smote_on_1})
X_train, y_train = smt.fit_sample(X_train, y_train)

【讨论】：

【解决方案2】：

从docs 看来，ratio 可以是大于 1 的浮点数 - 即对于 75:25 比率，您可以设置 ratio=3。
试试看这是否有效。

【讨论】：

我假设你正在使用 SMOTE 的这个实现，或者一个足够相似的实现；如果没有，请在您的问题中指定您使用的是哪种实现。如果您使用的实现是如此常见以至于我应该知道，请赐教（我真的不知道，我不是在讽刺）。
我试过了。但是得到了这个信息：当 'sampling_strategy' 是一个浮点数时，它应该在 (0, 1] 范围内，所以 mx 是 1.0
您可以做的另一件事是发送dict 并提供所需数量的样本。再次来自文档：“当 dict 时，键对应于目标类。值对应于每个目标类的所需样本数。”