Python机器学习手册：从数据预处理到深度学习

16.5

　处理不均衡的分类

｜

269

16.5

　处理不均衡的分类

问题描述

训练一个简单的分类器模型。

解决方案

在

scikit-learn

中使用

LogisticRegression

来训练一个逻辑回归模型 ：

#

加载库

import numpy as np

from sklearn.linear_model import LogisticRegression

from sklearn import datasets

from sklearn.preprocessing import StandardScaler

#

加载数据

iris = datasets.load_iris()

features = iris.data

target = iris.target

#

移除前

40

个观察值，使分类严重不均衡

features = features[40:,:]

target = target[40:]

#

创建目标向量，

0

代表分类为

0

，

1

代表除分类

0

以外的其他分类

target = np.where((target == 0), 0, 1)

#

标准化特征

scaler = StandardScaler()

features_standardized = scaler.fit_transform(features)

#

创建决策树分类器对象

logistic_regression = LogisticRegression(random_state=0, class_

weight="balanced") ...