大多数分类器通过方法中的参数sklearn支持不平衡数据集。如果您需要使用不支持此选项的分类器来拟合不平衡数据，则可以使用带替换抽样来扩大较小的类以匹配较大的类。sample_weightclf.fit

这是演示该方法的sklearnSVM 示例的改编版本sample_weight：

import numpy as np
import pylab as pl
from sklearn import svm

np.random.seed(0)
X = np.r_[2*np.random.randn(20, 2) - [2, 2], 2*np.random.randn(200, 2) + [2, 2]]
Y = [0] * 20 + [1] * 200
wt = [1/20.]*20 + [1/200.]*200

# fit the model
clf = svm.SVC(kernel='linear')
clf.fit(X, Y, sample_weight=wt)

这个关于不平衡分类的问题RandomForestClassifier有一些额外的细节。

线性 SVM 可以通过在错误分类惩罚上使用类权重来很好地处理不平衡的数据集。此功能在任何体面的 SVM 实现中都可用。

类加权 SVM 的目标函数如下：

$$\min_{\xi,\mathbf{w}} \frac{1}{2}\|\mathbf{w}\|^2 + C_{\mathcal{P}}\sum_{i\in\mathcal{P}} xi_i + C_\mathcal{N} \sum_{i\in\mathcal{N}} \xi_i,$$

其中少数类使用更高的错误分类惩罚。一个常见的启发式如下： 与和分别为正样本和负样本的数量。

$$C_\mathcal{P} \times |\mathcal{P}| = C_\mathcal{N} \times |\mathcal{N}|,$$ $|\mathcal{P}|$$\mathcal{N}|$