python 不均衡なデータを under samplingを行う

Question

不均衡なデータを under samplingする方法を知りたいです。
train.vlue_counts[4]のデータの個数が非常に多かったので、
train.vlue_counts[1]の個数と同じにしようと思い、下のコードを書きました。

from imblearn.under_sampling import RandomUnderSampler

rank_1 = Y_train.value_counts()[1]
rank_2 = Y_train.value_counts()[2]
rank_3 = Y_train.value_counts()[3]

rus = RandomUnderSampler(ratio={1:rank_1, 2:rank_2, 3:rank_3, 4:rank_1}, random_state=71)

X_train_rus, Y_train_rus = rus.fit_sample(X_train,Y_train)

しかし、次のようなエラーが出ました。
TypeError: init() got an unexpected keyword argument 'ratio'　

どのようにtrain.vlue_counts[4]のデータの個数を減らせばよいでしょうか？

Answer 1

imbalanced-learnのドキュメントをみるとratioというパラメータはバージョン0.6以降削除されたようです。代わりにsampling_strategyを使ってくださいと書かれています。

• imblearn.under_sampling.RandomUnderSampler
• Controlled under-sampling techniques

import pandas as pd
from imblearn.under_sampling import RandomUnderSampler

# ダミーデータを作成
df = pd.DataFrame(
    {
        "feature1": [3] * 23621 + [2] * 2235 + [1] * 2232 + [0] * 2229,
        "feature2": [4] * 23621 + [0] * 2235 + [2] * 2232 + [1] * 2229,
        "target": [4] * 23621 + [1] * 2235 + [3] * 2232 + [2] * 2229,
    }
)
X_train = df[["feature1", "feature2"]]
Y_train = df["target"]
print(Y_train.value_counts())

# アンダーサンプリング
rus = RandomUnderSampler(random_state=71)

X_train_runs, Y_train_rus = rus.fit_sample(X_train, Y_train)
print(Y_train_rus.value_counts())

結果

$ python hoge.py 
4    23621
1     2235
3     2232
2     2229
Name: target, dtype: int64
4    2229
3    2229
2    2229
1    2229
Name: target, dtype: int64

Comments

[KentaIrie]

AttributeError: 'RandomUnderSampler' object has no attribute '_validate_data'

というエラーが出るのですがそうしたらよろしいですか？

[yymmt]

下記のURLを見ると、scikit-learnのバージョンが古い場合に表示されるエラーのようです。
https://stackoverflow.com/questions/62375457/randomoversampler-object-has-no-attribute-validate-data