💠 داده‌های نامتوازن رو با این کتابخونه به سادگی بالانس کن!


👨🏻‍💻 هر کسی که با دیتا کار می‌کنه، حداقل یه بار با مشکل عدم توازن کلاس‌ها توی دیتاست‌ها مواجه شده. دم دست‌ترین و ساده‌ترین راه‌حلتون برای این مشکل؟

✔️ کتابخونه‌ی imbalanced-learn که روی scikit-learn ساخته شده!


🚨 یه سری قابلیت‌های مهم این کتابخونه:

1⃣ میشه با روش‌هایی مثل Random Oversampling یا SMOTE، کلاس‌های اقلیت رو با نمونه‌سازی جدید یا تکرار متعادل کرد.


🔢 ابزارهایی مثل Random Undersampling یا Tomek Links و ENN برای حذف داده‌های اضافی داره تا دیتاست رو تمیز و آماده کنی.


🔢 حتی می‌تونی تکنیک‌های ترکیبی مثل SMOTEEN یا SMOTETomek رو استفاده کنی تا هم نمونه‌سازی جدید داشته باشی، هم دیتا رو پاکسازی کنی.


🔢 راحت با pipeline‌های scikit-learn می‌تونی همه این روش‌ها رو بچسبونی به مدل‌ت و از کد زدن الکی خلاص شی.


┌ 🏳️‍🌈 imbalanced-learn
├ 📖 Documentation
└ 🐱 GitHub-Repos



🌐 #علم_داده #DataScience
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 دانشمند داده شوید :
📊 @DataScience_ir
📱 پیج اینستاگرام:
📊 @DataScience_fa