數據樣本不平衡時處理方法（imblearn實現，pandas/numpy轉換）

def getDataAndSubsample(sample_strategy="under"):
    """
    獲得數據並採樣
    :param sample_strategy: 採樣策略
    :return:                Dataframe數據
    """
    # pandas讀取
    new_path = '../newData/結果/5#/total/all_20180131_rounding_five.csv'  # 5分類的（0,1,2,3,4）

    # tmp_data  = pd.read_csv(new_path, index_col=[0])		# csv文件如果第一列有索引就用這個
    tmp_data = pd.read_csv(new_path)						# csv文件如果第一列沒索引就用這個

    under_map_dict = {0: 300, 1: 300, 2: 300, 3: 300, 4: 300}		# 設置欠採樣各類數量
    over_map_dict = {0: 4000, 1: 4000, 2: 4000, 3: 4000, 4: 4000}	# 設置過採樣各類數量
	
	# 選擇下采樣
    if sample_strategy == "under":
        from imblearn.under_sampling import RandomUnderSampler
        # 通過設置RandomUnderSampler中的replacement=True參數, 可以實現自助法(boostrap)抽樣
        # （僅在二分類時可用）通過設置RandomUnderSampler中的ratio參數（<=1的float類型）,可以設置數據採樣比例
        # （多分類時）不能寫ratio,只能寫sampling_strategy=dict！，像下面一樣分別設置5個label個數
        rus = RandomUnderSampler(sampling_strategy=under_map_dict, random_state=0, replacement=True)  # 採用隨機欠採樣（下采樣）
        x_resample, y_resample = rus.fit_sample(np.array(tmp_data.iloc[:, 0:-1]),
                                                (np.array(tmp_data.iloc[:, -1])).astype(int))
	# 選擇SMOTETomek過採樣
    elif sample_strategy == "over1":
        from imblearn.combine import SMOTETomek                  # 過採樣
        smote_tomek = SMOTETomek(sampling_strategy=over_map_dict)     # 取數據
        x_resample, y_resample = smote_tomek.fit_sample(np.array(tmp_data.iloc[:,0:-1]), (np.array(tmp_data.iloc[:, -1])).astype(int))

	# 選擇SMOTEENN過採樣
    elif sample_strategy == "over2":
        from imblearn.combine import SMOTEENN
        smote_enn = SMOTEENN(random_state=0, sampling_strategy=over_map_dict)
        x_resample, y_resample = smote_enn.fit_sample(np.array(tmp_data.iloc[:,0:-1]), (np.array(tmp_data.iloc[:, -1])).astype(int))

    print(f"len of x_resample={len(x_resample)}")
    print(f"len of y_resample={len(y_resample)}")

	# 矩陣合併，爲了使兩個矩陣的dimension相同
    total_np_data = np.column_stack((x_resample, y_resample[:,None]))	
	
	# 特徵表頭
    featureClass_list_columns = featureClass_list.copy()
    featureClass_list_columns.append('score')
    
    # numpy轉pandas
    total_pd_data = pd.DataFrame(total_np_data, columns=featureClass_list_columns)

    print(total_pd_data)
    print(total_pd_data.columns)

getDataAndSubsample(sample_strategy="under")

原理過一年再補，急着看的請移步其它博客