geometric-smote 0.1.2

文件

安装文档、API文档和示例可以在 documentation。

依赖性

Geometric Smote在Python3.6+下运行。依赖关系是 以下内容：

• 纽比（>；=1.1）
• 科学套件学习（>；=0.21）
• 不平衡学习（>；=0.4.3）

此外，要运行示例，需要matplotlib（>；=2.0.0）和 熊猫（>；=0.22）。

安装

Geometric Smote目前在Pypi的存储库中可用，您可以 通过pip安装

pip install -U geometric-smote

该软件包也在anaconda云平台发布：

conda install -c algowit geometric-smote

如果愿意，可以克隆它并运行setup.py文件。使用以下命令 从github获取副本并安装所有依赖项的命令：

git clone https://github.com/AlgoWit/geometric-smote.git
cd geometric-smote
pip install .

或者使用pip和github安装：

pip install -U git+https://github.com/AlgoWit/geometric-smote.git

测试

安装后，您可以使用pytest运行测试套件：

make test

关于

如果你在科学出版物中使用几何烟雾，我们将不胜感激 以下论文的引文：

@article{Douzas2019,
  doi = {10.1016/j.ins.2019.06.007},
  url = {https://doi.org/10.1016/j.ins.2019.06.007},
  year = {2019},
  month = oct,
  publisher = {Elsevier {BV}},
  volume = {501},
  pages = {118--135},
  author = {Georgios Douzas and Fernando Bacao},
  title = {Geometric {SMOTE} a geometrically enhanced drop-in replacement for {SMOTE}},
  journal = {Information Sciences}
}

不平衡数据集的分类是一项具有挑战性的标准任务。 算法。虽然存在许多方法来解决这个问题在不同的 为少数民族生成人工数据是一种更普遍的方法 方法与算法修改进行比较。smote算法[2]，以及 与基于smote机制的任何其他过采样方法一样，生成 沿连接少数类实例的线段的合成采样。 几何烟雾（g-smote）是烟雾数据生成的增强 机制。烟雾在 输入空间，围绕每个选定的少数派实例。

参考文献：