如何实现下采样(教科书级别教你拿捏)

2024-08-22 04:12

本文主要是介绍如何实现下采样(教科书级别教你拿捏),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在数据处理、信号处理、图像处理以及机器学习等多个领域中,下采样(Downsampling)是一项至关重要的技术。下采样旨在减少数据集中的样本数量,同时尽量保留原始数据的关键信息,以便在降低计算成本、提高处理速度或适应特定分析需求时仍然保持数据的代表性。本文将详细介绍下采样的基本概念、应用场景以及几种常用的实现方法。

一、下采样的基本概念

下采样,也称为降采样,是通过对原始数据进行抽样或聚合操作,以较低的频率重新表示数据的过程。在图像处理中,这通常意味着减少图像的分辨率;在信号处理中,则可能意味着减少采样率。下采样的目标是减少数据量,同时尽可能保持数据的统计特性和重要特征。

二、下采样的应用场景

  1. 图像处理:在图像压缩、图像缩放、特征提取等场景中,下采样能够减少图像的像素数量,降低处理难度和存储需求。
  2. 信号处理:在音频和视频处理中,下采样可以降低信号的采样率,以适应不同的播放设备或网络传输要求。
  3. 机器学习:在训练大规模数据集时,下采样可以帮助减少计算量,加速模型训练过程,尤其是在处理不平衡数据集时,下采样可以有效平衡类别分布。

例子:

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
import numpy as npdef cm_plot(y, yp):from sklearn.metrics import confusion_matriximport matplotlib.pyplot as pltcm = confusion_matrix(y, yp)plt.matshow(cm, cmap=plt.cm.Blues)plt.colorbar()for x in range(len(cm)):for y in range(len(cm)):plt.annotate(cm[x, y], xy=(y, x), horizontalalignment='center',verticalalignment='center')plt.ylabel('True label')plt.xlabel('Predicted label')return pltdata = pd.read_csv(r"./creditcard.csv")from sklearn.preprocessing import StandardScalerscaler = StandardScaler()
a = data[['Amount']]
data['Amount'] = scaler.fit_transform(data[['Amount']])data = data.drop(['Time'], axis=1)positive_eg = data[data['Class'] == 0]
negative_eg = data[data['Class'] == 1]
np.random.seed(seed=4)
positive_eg = positive_eg.sample(len(negative_eg))
data_c = pd.concat([positive_eg,negative_eg])
print(data_c)mpl.rcParams['font.sans-serif'] = ['Microsoft YaHei']
mpl.rcParams['axes.unicode_minus'] = Falselabels_count = pd.value_counts(data['Class'])
plt.title("正负例样本数")
plt.xlabel("类别")
plt.ylabel("频数")
labels_count.plot(kind='bar')
plt.show()from sklearn.model_selection import train_test_splitx = data_c.drop('Class', axis=1)
y = data_c.Class
x_train, x_test, y_train, y_test = \train_test_split(x, y, train_size=0.3, random_state=0)from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LogisticRegressionscores = []
c_param_range = [0.01, 0.1, 1, 10, 100]
for i in c_param_range:lr = LogisticRegression(C=i, penalty='l2', solver='lbfgs', max_iter=1000)score = cross_val_score(lr, x_train, y_train, cv=8, scoring='recall')score_mean = sum(score) / len(score)scores.append(score_mean)print(score_mean)best_c = c_param_range[np.argmax(scores)]lr = LogisticRegression(C=best_c, penalty='l2', max_iter=1000)
lr.fit(x_train, y_train)from sklearn import metricstrain_predicted = lr.predict(x_train)
print(metrics.classification_report(y_train, train_predicted))
cm_plot(y_train, train_predicted).show()test_predicted = lr.predict(x_test)
print(metrics.classification_report(y_test, test_predicted))
cm_plot(y_test, test_predicted).show()x1 = data.drop('Class', axis=1)
y1 = data.Class
x1_train, x1_test, y1_train, y1_test = \train_test_split(x1, y1, train_size=0.3, random_state=0)test_predicted_big = lr.predict(x1_test)
print(metrics.classification_report(y1_test, test_predicted_big))
cm_plot(y1_test, test_predicted_big).show()recalls = []
thresholds = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]
for i in thresholds:y_perdict_proba = lr.predict_proba(x_test)y_perdict_proba = pd.DataFrame(y_perdict_proba)y_perdict_proba = y_perdict_proba.drop([0], axis=1)y_perdict_proba[y_perdict_proba[[1]] > i] = 1y_perdict_proba[y_perdict_proba[[1]] <= i] = 0recall = metrics.recall_score(y_test, y_perdict_proba[1])recalls.append(recall)print("{} Recall metric in the testing dataset: {:.3f}".format(i, recall))
  1. 导入库

    • pandas 用于数据处理。
    • matplotlib.pyplot 和 pylab.mpl 用于绘图。
    • numpy 用于数值计算。
    • sklearn 中的 confusion_matrix 和其他模块用于机器学习任务。
  2. 定义混淆矩阵绘制函数 cm_plot

    • 计算混淆矩阵,并用 matplotlib 绘制。
    • 在矩阵中添加每个元素的值,便于观察。
  3. 数据加载和预处理

    • 读取数据集 creditcard.csv
    • 标准化 Amount 特征,确保其均值为 0,方差为 1。
    • 删除 Time 列,因为它对模型训练没有帮助。
    • 对数据进行平衡处理:通过随机抽样将正负样本数量调整一致。
    • 打印平衡后的数据集。
  4. 绘制正负例样本数的柱状图

    • 使用 pandas 计算每个类别的样本数,并用 matplotlib 绘制柱状图。
  5. 模型训练和评估

    • 划分数据集为训练集和测试集。
    • 使用逻辑回归模型,调整正则化参数 C,并通过交叉验证评估模型的召回率。
    • 选择最佳的 C 参数,并用其训练最终模型。
    • 输出训练集和测试集上的分类报告,并绘制混淆矩阵。
  6. 对整个数据集的最终模型评估

    • 重新划分数据集为训练集和测试集,并评估模型的性能。
    • 打印最终的分类报告和混淆矩阵。
  7. 调整阈值进行召回率分析

    • 修改预测概率的阈值,计算不同阈值下的召回率。
    • 绘制不同阈值下的召回率,帮助理解模型在不同条件下的表现。

这篇关于如何实现下采样(教科书级别教你拿捏)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1095205

相关文章

Java中使用Java Mail实现邮件服务功能示例

《Java中使用JavaMail实现邮件服务功能示例》:本文主要介绍Java中使用JavaMail实现邮件服务功能的相关资料,文章还提供了一个发送邮件的示例代码,包括创建参数类、邮件类和执行结... 目录前言一、历史背景二编程、pom依赖三、API说明(一)Session (会话)(二)Message编程客

Java中List转Map的几种具体实现方式和特点

《Java中List转Map的几种具体实现方式和特点》:本文主要介绍几种常用的List转Map的方式,包括使用for循环遍历、Java8StreamAPI、ApacheCommonsCollect... 目录前言1、使用for循环遍历:2、Java8 Stream API:3、Apache Commons

C#提取PDF表单数据的实现流程

《C#提取PDF表单数据的实现流程》PDF表单是一种常见的数据收集工具,广泛应用于调查问卷、业务合同等场景,凭借出色的跨平台兼容性和标准化特点,PDF表单在各行各业中得到了广泛应用,本文将探讨如何使用... 目录引言使用工具C# 提取多个PDF表单域的数据C# 提取特定PDF表单域的数据引言PDF表单是一

使用Python实现高效的端口扫描器

《使用Python实现高效的端口扫描器》在网络安全领域,端口扫描是一项基本而重要的技能,通过端口扫描,可以发现目标主机上开放的服务和端口,这对于安全评估、渗透测试等有着不可忽视的作用,本文将介绍如何使... 目录1. 端口扫描的基本原理2. 使用python实现端口扫描2.1 安装必要的库2.2 编写端口扫

PyCharm接入DeepSeek实现AI编程的操作流程

《PyCharm接入DeepSeek实现AI编程的操作流程》DeepSeek是一家专注于人工智能技术研发的公司,致力于开发高性能、低成本的AI模型,接下来,我们把DeepSeek接入到PyCharm中... 目录引言效果演示创建API key在PyCharm中下载Continue插件配置Continue引言

MySQL分表自动化创建的实现方案

《MySQL分表自动化创建的实现方案》在数据库应用场景中,随着数据量的不断增长,单表存储数据可能会面临性能瓶颈,例如查询、插入、更新等操作的效率会逐渐降低,分表是一种有效的优化策略,它将数据分散存储在... 目录一、项目目的二、实现过程(一)mysql 事件调度器结合存储过程方式1. 开启事件调度器2. 创

使用Python实现操作mongodb详解

《使用Python实现操作mongodb详解》这篇文章主要为大家详细介绍了使用Python实现操作mongodb的相关知识,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、示例二、常用指令三、遇到的问题一、示例from pymongo import MongoClientf

SQL Server使用SELECT INTO实现表备份的代码示例

《SQLServer使用SELECTINTO实现表备份的代码示例》在数据库管理过程中,有时我们需要对表进行备份,以防数据丢失或修改错误,在SQLServer中,可以使用SELECTINT... 在数据库管理过程中,有时我们需要对表进行备份,以防数据丢失或修改错误。在 SQL Server 中,可以使用 SE

基于Go语言实现一个压测工具

《基于Go语言实现一个压测工具》这篇文章主要为大家详细介绍了基于Go语言实现一个简单的压测工具,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录整体架构通用数据处理模块Http请求响应数据处理Curl参数解析处理客户端模块Http客户端处理Grpc客户端处理Websocket客户端

Java CompletableFuture如何实现超时功能

《JavaCompletableFuture如何实现超时功能》:本文主要介绍实现超时功能的基本思路以及CompletableFuture(之后简称CF)是如何通过代码实现超时功能的,需要的... 目录基本思路CompletableFuture 的实现1. 基本实现流程2. 静态条件分析3. 内存泄露 bug