【python】机器学习，如何尽量合理创建学习数据？
0
最佳答案
0
对于数据量不够的情况，是有些处理的方式的。第一种，重采样，也就是直接造重复的数据；第二种，除了重采样之外的过采样，也就是造新的数据，造新的数据也不是乱造的，具体有 SMOTE 算法、data augmentation。
但其实我不太理解你的问题，你的 NUM1 和 NUM2 分别指的是一条数据吗？如果是一条数据，你改变了 feature，能否保证 label 不变？如果 NUM1 和 NUM2 是分别是一组数据，那么“把其中一个A删除后变成一个新的数据”也没有必要，因为你重采样也是得到同样的数据。
对于造数据，对训练数据是可以的，但是不要对测试数据进行，测试集要求是真实的数据，这点是需要保证的。
我之前也写了一篇关于处理不平衡数据集的博客 https://www.cnblogs.com/wuliytTaotao/p/9308944.html ，也许有帮助吧。
收获园豆：15
你好，谢谢你的热心回答！
NUM1 和 NUM2 分别指的是一条数据，不能保证label不变，只能假设它不会变了。
我查询了一下SMOTE算法和data augmentation，SMOTE的代码看不太懂，哪里有简单易懂或者注释多一点的代码吗？或者你可以帮我写一个简易代码用['A','B','C','A','A','B','D','E','F']和['B','C','E','A','B','D','E','F']创建一个新的数据？
data augmentation好像只能用于图像和声音，可以用于单纯数据吗？
@芽衣: 不能保证label不变，只能假设不变，你说的也没错，SMOTE 也是这么做的，SMOTE也不能保证生成的新的数据 label 也不变。
关于SMOTE，你可以先看看k近邻，搞懂了k近邻，SMOTE也就会了。
SMOTE的实现，你可以看看imbalance-learn这个Python库，有现成的算法，不用自己写。
如果你的数据是结构化的，那data augmentation可能确实处理不了。
其他回答(1)
0
你是说搞些测试用的数据？一般可以这样吧，如果你要训练一个函数（已经提前知道了），就随机产生n个样本，然后用这个函数计算出n个结果，再把这个n个结果分别加上一个偏差，最好确保这个n个偏差符合正态分布，python库里有现成的函数可以生成符合正态分布的一组数。 然后你就开始用这些样本训练模型，训练完了和提前设定好的函数做比较就好了。
当然，如果有真实数据更好了
收获园豆：5
你好，谢谢你的热心回答！
请问你有什么推荐的python的生成符合正态分布的library吗？
我目前找到的是
import numpy as np
np.random.randn(5)@芽衣: 我也是用的这个，别的还不知道呢
