分类中类别不平衡数据处理方法 python--imbalance包--smote算法使用教程

代码实现参考
https://blog.csdn.net/nlpuser/article/details/81265614
http://blog.51cto.com/6093943/2134788
参数介绍参考
http://www.vr192.com/emb/20180121620100.html

ratio：用于指定重抽样的比例
如果指定字符型的值，可以是’minority’，表示对少数类别的样本进行抽样、’majority’，表示对多数类别的样本进行抽样、’not minority’表示采用欠采样方法、’all’表示采用过采样方法，默认为’auto’，等同于’all’和’not minority’;
如果指定字典型的值，其中键为各个类别标签，值为类别下的样本量;

random_state：用于指定随机数生成器的种子，默认为None，表示使用默认的随机数生成器;

k_neighbors：指定近邻个数，默认为5个;

m_neighbors：指定从近邻样本中随机挑选的样本个数，默认为10个;

kind：用于指定SMOTE算法在生成新样本时所使用的选项，默认为’regular’，表示对少数类别的样本进行随机采样，也可以是’borderline1’、’borderline2’和’svm’;

svm_esTImator：用于指定SVM分类器，默认为sklearn.svm.SVC，该参数的目的是利用支持向量机分类器生成支持向量，然后再生成新的少数类别的样本;

n_jobs：用于指定SMOTE算法在过采样时所需的CPU数量，默认为1表示仅使用1个CPU运行算法，即不使用并行运算功能;