如何使用 SMOTE 将合成数据集保存在 CSV 文件中

Posted 2023-03-12

【中文标题】如何使用 SMOTE 将合成数据集保存在 CSV 文件中

【英文标题】：How to save synthetic dataset in CSV file using SMOTE

【发布时间】：2020-02-27 11:31:58

【问题描述】：

我正在使用信用卡数据通过 SMOTE 进行过采样。我正在使用 geeksforgeeks.org (Link) 中编写的代码

运行以下代码后，它会声明如下内容：

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))) 

# import SMOTE module from imblearn library 
# pip install imblearn (if you don't have imblearn in your system) 
from imblearn.over_sampling import SMOTE 
sm = SMOTE(random_state = 2) 
X_train_res, y_train_res = sm.fit_sample(X_train, y_train.ravel()) 

print('After OverSampling, the shape of train_X: '.format(X_train_res.shape)) 
print('After OverSampling, the shape of train_y:  \n'.format(y_train_res.shape)) 

print("After OverSampling, counts of label '1': ".format(sum(y_train_res == 1))) 
print("After OverSampling, counts of label '0': ".format(sum(y_train_res == 0))) 

输出：

Before OverSampling, counts of label '1': 345
Before OverSampling, counts of label '0': 199019 

After OverSampling, the shape of train_X: (398038, 29)
After OverSampling, the shape of train_y: (398038,) 

After OverSampling, counts of label '1': 199019
After OverSampling, counts of label '0': 199019

因为我是这个领域的新手。我不明白如何以 CSV 格式显示这些数据。如果有人在这个问题上帮助我，我将非常高兴。

或者，如果有任何参考资料，我可以使用 SMOTE 从数据集生成合成数据并将更新的数据集保存在 CSV 文件中，请提及。

类似于下图：

提前致谢。

【参考方案1】：

从您的代码中我可以看到，您的 X_train_res 和其他人是 Python Numpy 数组。你可以这样做：

import numpy as np
import pandas as pd

y_train_res = y_train_res.reshape(-1, 1) # reshaping y_train to (398038,1)
data_res = np.concatenate((X_train_res, y_train_res), axis = 1)
data.savetxt('sample_smote.csv', data_res, delimiter=",")

无法运行并检查它，但如果您遇到任何问题，请告诉我。

注意：您将不得不做更多的事情来添加列标签。一旦您完成此操作并需要帮助，请告诉我。

【讨论】：

感谢您的帮助。假设我有一个 CSV 格式的不平衡数据集。在那个数据集中，我在不平衡类中进行过采样。现在我有合成数据，少数类数据等于多数类数据。现在我想在另一个 CSV 文件中显示这个平衡的数据集。

我在我的问题中附上了一张图片。我想要这样的东西。

已编辑答案，如有问题请通知我。

为什么我得到 'DataFrame' 对象没有属性 'savetxt'？