北京网站制作到诺然电商运营平台

5. 采样器的集成方法

5.1. 包含内部平衡采样器的分类器

5.1.1. 袋外分类器（Bagging classifier）

在集成分类器中，bagging 方法会在数据的不同随机子集上构建多个估计器。在 scikit-learn 中，该分类器被称为 BaggingClassifier。然而，这个分类器不允许对每个数据子集进行平衡处理。因此，在不平衡数据集上训练时，该分类器会偏向多数类：

>>> from sklearn.datasets import make_classification
>>> X, y = make_classification(n_samples=10000, n_features=2, n_informative=2,
...                            n_redundant=0, n_repeated=0, n_classes=3,
...                            n_clusters_per_class=1,
...                            weights=[0.01, 0.05, 0.94], class_sep=0.8,
...                            random_state=0)
>>> from sklearn.model_selection import train_test_split
>>> from sklearn.metrics import balanced_accuracy_score
>>> from sklearn.ensemble import BaggingClassifier
>>> from sklearn.tree import DecisionTreeClassifier
>>> X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
>>> bc = BaggingClassifier(DecisionTreeClassifier(), random_state=0)
>>> bc.fit(X_train, y_train) #doctest:
BaggingClassifier(...)
>>> y_pred = bc.predict(X_test)
>>> balanced_accuracy_score(y_test, y_pred)
0.77...

在 BalancedBaggingClassifier 中，每一个自助样本还会进一步进行重采样，以实现所需的 sampling_strategy。因此，BalancedBaggingClassifier 拥有与 scikit-learn 的 BaggingClassifier 相同的参数。此外，采样方式可以通过参数 sampler，或者通过 sampling_strategy 和 replacement 这两个参数来控制，后者适用于希望使用 RandomUnderSampler 的情况：

>>> from imblearn.ensemble import BalancedBaggingClassifier
>>> bbc = BalancedBaggingClassifier(DecisionTreeClassifier(),
...                                 sampling_strategy='auto',
...                                 replacement=False,
...                                 random_state=0)
>>> bbc.fit(X_train, y_train)
BalancedBaggingClassifier(...)
>>> y_pred = bbc.predict(X_test)
>>> balanced_accuracy_score(y_test, y_pred)
0.8...

更改 sampler 将会引出不同的已知实现方法[MO97], [HKT09], [WY09]。你可以参考以下示例，以了解这些不同方法在实际中的应用：使用采样器的Bagging分类器

5.1.2. 随机树森林

BalancedRandomForestClassifier 是另一种集成方法，森林中的每棵树都会获得一个平衡的自助样本 [CLB+04]。此类提供了 RandomForestClassifier 的所有功能：

>>> from imblearn.ensemble import BalancedRandomForestClassifier
>>> brf = BalancedRandomForestClassifier(
...     n_estimators=100, random_state=0, sampling_strategy="all", replacement=True,
...     bootstrap=False,
... )
>>> brf.fit(X_train, y_train)
BalancedRandomForestClassifier(...)
>>> y_pred = brf.predict(X_test)
>>> balanced_accuracy_score(y_test, y_pred)
0.8...

5.1.3. 提升（Boosting）

已有多种基于提升（Boosting）的方法被设计出来。

RUSBoostClassifier 会在执行增强迭代之前对数据集进行随机欠采样 [SKVHN09]：

>>> from imblearn.ensemble import RUSBoostClassifier
>>> rusboost = RUSBoostClassifier(n_estimators=200, algorithm='SAMME.R',
...                               random_state=0)
>>> rusboost.fit(X_train, y_train)
RUSBoostClassifier(...)
>>> y_pred = rusboost.predict(X_test)
>>> balanced_accuracy_score(y_test, y_pred)
0...

一种特别的方法是在装袋分类器中使用 AdaBoostClassifier 作为基学习器，这种方法被称为“EasyEnsemble”。 EasyEnsembleClassifier 允许对在平衡自助样本上训练的 AdaBoost 学习器进行装袋集成 [LWZ08]。与 BalancedBaggingClassifier 的 API 类似，可以按如下方式构建集成模型：

>>> from imblearn.ensemble import EasyEnsembleClassifier
>>> eec = EasyEnsembleClassifier(random_state=0)
>>> eec.fit(X_train, y_train)
EasyEnsembleClassifier(...)
>>> y_pred = eec.predict(X_test)
>>> balanced_accuracy_score(y_test, y_pred)
0.6...

示例

• 使用重采样比较集成分类器

该篇文章由ChatGPT翻译，如有疑问，欢迎提交Issues