رسالة 🔸 معرفی کتابخانه: کار با داده های نامتوازن در پایتون

🔸 معرفی کتابخانه: کار با داده های نامتوازن در پایتون یکی از مشکلات عملیات داده کاوی، کار با داده های نامتوازن است. فرض کنید شما با یک مسئله طبقه بندی(Classification) روبرو هستید و تعداد ۱۰۰۰نمونه در دو کلاس شماره۱ و کلاس شماره ۲ به نسبت ۹۰درصد به ۱۰درصد دارید. به این معنی که کلاس شماره ۱، تعداد ۹برابر نمونه بیشتر از کلاس شماره ۲ دارد. در این مواقع، بسیاری از الگوریتم های طبقه بندی به مشکل بر می خورند. برای همین بهتر است از روش های مقابله با داده های نامتوازن یا Imbalance استفاده کرد. مجموعه ی بسیاری خوبی از این روش ها، برای زبان برنامه نویسی پایتون، توسط کتابخانه imbalanced-learn در دسترس است لینک دانلود : https://github.com/scikit-learn-contrib/imbalanced-learn لینک راهنمایی الگوریتم ها: http://contrib.scikit-learn.org/imbalanced-learn @learn_dm