怎样进行样本不均衡抽样？

下面是对样本数据的预处理，包含九种故障类型，一种正常类型，将数据分为测试集、训练集和验证集，比例为7:2:1，样本量为1000，如果要进行不均衡样本分类，将正常类样本与故障样本比例设置为200:1，应该怎么写代码呢？

    for data_type in range(10):
        fs = 12000
        t = 0.1
        opt = "0-"
        N = 1024
        data = all_data[data_type]

        for load_type in range(1):
            load_data = data

            start = 0
            for i in range(700):
                temp = load_data[start: start + N]
           
                start += 100
                
                temp = ([i for arr in temp for i in arr])
                f, t, nd = signal.stft(temp, fs=fs, window='hann', nperseg=64, noverlap=None, nfft=None,
                                       detrend=False, return_onesided=True, boundary='zeros', padded=True, axis=-1)
                Gaussian = cv2.GaussianBlur(abs(nd), (3, 3), 1)
                stfts_train_pics.append(Gaussian)
                stfts_train_labels.append(data_type)

            for i in range(200):
                temp = load_data[start: start + N]
                
                start += 100
                
                temp = ([i for arr in temp for i in arr])
                f, t, nd = signal.stft(temp, fs=fs, window='hann', nperseg=64, noverlap=None, nfft=None,
                                       detrend=False, return_onesided=True, boundary='zeros', padded=True, axis=-1)
                Gaussian = cv2.GaussianBlur(abs(nd), (3, 3), 1)
                stfts_test_pics.append(Gaussian)
                stfts_test_labels.append(data_type)

            for i in range(100):
                temp = load_data[start: start + N]
                start += 100
               
                temp = ([i for arr in temp for i in arr])
                f, t, nd = signal.stft(temp, fs=fs, window='hann', nperseg=64, noverlap=None, nfft=None,
                                       detrend=False, return_onesided=True, boundary='zeros', padded=True, axis=-1)
                Gaussian = cv2.GaussianBlur(abs(nd), (3, 3), 1)
                stfts_validation_pics.append(Gaussian)
                stfts_validation_labels.append(data_type)

【以下回答由 GPT 生成】

问题的关键在于如何实现不均衡样本抽样，将正常类样本和故障样本的比例设置为200:1。下面是一个可能的解决方案和代码示例：

1. 确定每个类别需要的样本数量：

num_normal_samples = 200
num_fault_samples = num_normal_samples * 200

1. 对于不均衡样本的分类，可以使用分层抽样方法来确保每个类别的比例正确。首先，创建一个空的列表来存储正常样本和故障样本：

balanced_data = []

1. 对每个数据类型进行循环处理，调整样本数量并将其添加到balanced_data列表中：

for data_type in range(10):
    fs = 12000
    t = 0.1
    opt = "0-"
    N = 1024
    data = all_data[data_type]

    # 调整正常样本数量
    num_normal_samples_adjusted = min(num_normal_samples, len(data))
    for i in range(num_normal_samples_adjusted):
        temp = load_data[start: start + N]

        start += 100

        temp = ([i for arr in temp for i in arr])
        f, t, nd = signal.stft(temp, fs=fs, window='hann', nperseg=64, noverlap=None, nfft=None,
                               detrend=False, return_onesided=True, boundary='zeros', padded=True, axis=-1)
        Gaussian = cv2.GaussianBlur(abs(nd), (3, 3), 1)
        balanced_data.append((Gaussian, data_type))

    # 调整故障样本数量
    num_fault_samples_adjusted = min(num_fault_samples, len(data) - num_normal_samples_adjusted)
    for i in range(num_fault_samples_adjusted):
        temp = load_data[start: start + N]

        start += 100

        temp = ([i for arr in temp for i in arr])
        f, t, nd = signal.stft(temp, fs=fs, window='hann', nperseg=64, noverlap=None, nfft=None,
                               detrend=False, return_onesided=True, boundary='zeros', padded=True, axis=-1)
        Gaussian = cv2.GaussianBlur(abs(nd), (3, 3), 1)
        balanced_data.append((Gaussian, data_type))

1. 上述代码将正常样本和故障样本添加到balanced_data列表中，并将它们与它们对应的数据类型一起存储为元组。

现在，balanced_data列表中的样本已经按照所需的比例进行了分类，并且可以继续使用它进行训练集、测试集和验证集的划分。

请注意，上述示例代码仅仅是一种可能的解决方案，具体代码实现可能还需要根据实际情况进行调整。但这个示例可以作为一个起点来进行进一步的优化和开发。

【相关推荐】

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7611545
• 你也可以参考下这篇文章：【机器学习】处理样本不均衡问题的方法，样本权重的处理方法及代码
• 您还可以看一下 贺利坚老师的数据结构基础系列(4)：串课程中的 串的链式存储及其基本操作实现小节, 巩固相关知识点
  
• 除此之外, 这篇博客: 【无标题】中的 十二、样本不均衡怎么办，数据集如何预处理 部分也许能够解决你的问题。