SMOTE

A classe SMOTE (Synthetic Minority Over-sampling Technique) no módulo imblearn.under_sampling da biblioteca imbalanced-learn é usada para realizar a sobreamostragem de classes minoritárias em conjuntos de dados desequilibrados. O objetivo da sobreamostragem é criar novas amostras sintéticas da classe minoritária para equilibrar a distribuição de classes no conjunto de dados.

Sintaxe §

from imblearn.over_sampling import SMOTE
 
smote = SMOTE(
    sampling_strategy='auto',  # ou um valor float ou dict personalizado
    random_state=None,
    k_neighbors=5,
    n_jobs=1
)
X_resampled, y_resampled = smote.fit_resample(X, y)

Principais parâmetros §

• sampling_strategy: Controla a estratégia de sobreamostragem. Pode ser definido como 'auto' para equilibrar as classes automaticamente, um valor float para especificar a proporção desejada da classe minoritária em relação à classe majoritária, ou um dicionário personalizado para controlar a sobreamostragem de cada classe individualmente.

• random_state: Controla a semente aleatória para garantir reprodutibilidade.

• k_neighbors: Especifica o número de vizinhos próximos a serem usados para gerar amostras sintéticas.

• n_jobs: Número de núcleos de CPU a serem usados para paralelizar o processo de sobreamostragem.

Principais métodos §

• fit_resample(X, y): Ajusta o método SMOTE aos dados de entrada X e y e gera novas amostras sintéticas para a classe minoritária.

Exemplo §

from imblearn.over_sampling import SMOTE
from sklearn.datasets import make_classification
 
# Crie um conjunto de dados de exemplo desequilibrado
X, y = make_classification(
    n_classes=2, class_sep=2, weights=[0.1, 0.9], n_informative=3, n_redundant=1,
    flip_y=0, n_features=20, n_clusters_per_class=1, n_samples=1000, random_state=10
)
 
# Crie uma instância da classe SMOTE
smote = SMOTE(sampling_strategy='auto', random_state=42)
 
# Ajuste o método aos dados para realizar a sobreamostragem
X_resampled, y_resampled = smote.fit_resample(X, y)
 
# Verifique o número de amostras antes e depois da sobreamostragem
print("Número de amostras antes da sobreamostragem:", len(X))
print("Número de amostras após a sobreamostragem:", len(X_resampled))

Neste exemplo, primeiro criamos um conjunto de dados desequilibrado usando a função make_classification do Scikit-Learn. Em seguida, utilizamos a classe SMOTE para realizar a sobreamostragem da classe minoritária. O número de amostras após a sobreamostragem será maior do que o número de amostras antes, pois estamos gerando amostras sintéticas para equilibrar as classes.