当数据看起来像3D阵列时，如何平衡数据？

Question

我得到了一个大小为(3275412, 50, 22)的numpy\u数组，它表示为LSTM目的而重塑的数据，我得到了一个形状为(3275412,)的目标向量。你知道吗

我想平衡我的数据，使目标0和1的数据数量大致相同。 我准备数据的方式使我无法在重塑之前进行这种平衡操作。你知道吗

首先，我想应用make_imbalance函数（有关详细信息，请参见this link），但我无法将其应用于二维数组（出现错误）。你知道吗

我的问题是：对于3D阵列，最有效的方法是什么？你知道吗

我的想法：我想先把我的三维数组“展平”成二维数组，把第二和第三维度“连接起来”（但不知道怎么做到的，请告诉我？？）然后应用make_imbalance，然后将结果重塑为一个三维数组（同样，不知道如何做）。这似乎有点棘手，但。。。你知道吗

因此，任何帮助，无论是对其他不平衡的方法或帮助重塑三维->；二维或反之亦然，都将不胜感激

Answer 1

对于未知的维度大小，可以使用np.reshape和-1。你知道吗

data2d = data3d.reshape(data3d.shape[0], -1)

会给你一个二维数组的形状(n_samples, n_features) 第二维度和第三维度合并。你知道吗

data2d_new, y_new = make_imbalance(data2d, y) 

调用make_imbalance之后，您将得到一个形状为(n_samples_new, n_features)的2d数组，其中行数“未知”，但您知道原始3d数组的其他两个“特征”维度，因此

data3d_new = data2d.reshape(-1, data3d.shape[1], data3d.shape[2])

会还给你平衡的3d数据集。你知道吗