代码之家 › 专栏 › 技术社区 › AHF

去噪过采样数据显示0

smote oversampling classification machine-learning python

0

AHF · 技术社区 · 5 年前

我正在处理我的数据集,对这个很陌生。代码如下:

class_col_name='Creditability' 

feature_names=df.columns[df.columns != class_col_name ]
# 70% training and 30% test
X_train, X_test, y_train, y_test = train_test_split(df.loc[:, feature_names], df[class_col_name], test_size=0.3,random_state=1) 
print("Number transactions X_train dataset: ", X_train.shape) 
print("Number transactions y_train dataset: ", y_train.shape) 
print("Number transactions X_test dataset: ", X_test.shape) 
print("Number transactions y_test dataset: ", y_test.shape) 

print("Before OverSampling, counts of label '1': {}".format(sum(y_train == 1))) 
print("Before OverSampling, counts of label '0': {} \n".format(sum(y_train == 0)))

我试图对我的数据集应用过采样,但当我在过采样前计数时,它在输出中显示为0,但它确实显示数据集有数据:

以下是输出:

Number transactions X_train dataset:  (700, 20)
Number transactions y_train dataset:  (700,)
Number transactions X_test dataset:  (300, 20)
Number transactions y_test dataset:  (300,)
Before OverSampling, counts of label '1': 0
Before OverSampling, counts of label '0': 0

1 回复 | 直到 5 年前

1

0

Matt C 5 年前

您可能需要确认可能的类标签实际上是0和1。你可以试试

print(y_train.unique())

检查类标签是什么。

如果yu列是一个标签在[0,1]中的pandas系列,那么我相信最后两行的结果实际上应该等于yu列的大小。如果标签不是整数0或1,那么这就可以解释为什么和都是0。