您可以使用香农熵来衡量平衡。

在实例的数据集上，如果你有个大小为的类，你可以按如下方式计算熵： $n$$k$$c_i$

$$H = -\sum_{ i = 1}^k \frac{c_i}{n} \log{ \frac{c_i}{n}}.$$

这等于：

• $0$当只有一个类时为换句话说，当您的数据集非常不平衡时$0$
• $\log{k}$当你所有的类都平衡相同大小$\frac{n}{k}$

因此，您可以对数据集 使用以下平衡度量： 等于：

$$\mbox{Balance} = \frac{H}{\log{k}} = \frac{-\sum_{ i = 1}^k \frac{c_i}{n} \log{ \frac{c_i}{n}}. } {\log{k}}$$

• $0$表示不平衡的数据集
• $1$平衡数据集

根据 Simone 的回答，我编写了这个简短的 python 代码来计算余额，这对我来说效果很好。

def balance(seq):
    from collections import Counter
    from numpy import log
    
    n = len(seq)
    classes = [(clas,float(count)) for clas,count in Counter(seq).items()]
    k = len(classes)
    
    H = -sum([ (count/n) * log((count/n)) for clas,count in classes]) #shannon entropy
    return H/log(k)

非常感谢你！

我遇到了同样的问题，并寻找了一些指标来衡量我的数据集中的不平衡程度，但我没有找到任何指标。然后，我创建了一个在 0（完全平衡，所有类别中的样本数量相同）和 1（非常不平衡，当所有类别中的样本数量（除一个除外）为 1，其余样本属于一个类）

公式为：

$$imbalance = \frac{Max_{samples} - Min_{samples}}{Total_{samples} - nclass}$$

示例：对于平衡情况，则$Max_{samples} = Min_{samples}$$imbalance =0$

对于具有500、300和 100 个样本$nclass=3$

$Max_{samples}=500$，和，然后$Min_{samples}=100$$Total_{samples} = 900$

$imbalance = (500-100)/(900-3) = 0.446$

在极端的三类情况下，我们在每个类中有 500、1 和 1 个样本，那么

$Max_{samples}=500$，和，然后$Min_{samples}=1$$Total_{samples} =502$

$imbalance = (500-1)/(502-3) = 1$