机器学习：逻辑回归实现下采样和过采样

1、概述

        逻辑回归本身是一种分类算法，它并不涉及下采样或过采样操作。然而，在处理不平衡数据集时，这些技术经常被用来改善模型的性能。下采样和过采样是两种常用的处理不平衡数据集的方法。

2、下采样

        1、概念

        下采样是通过减少数量较多的类别（多数类）的样本数量，使其与数量较少的类别（少数类）的样本数量相匹配或接近。这样可以使模型在训练时不会偏向于多数类。

        2、原理

        随机选择一些多数类的样本并从数据集中移除，只保留与少数类样本数量相等的样本。可以导致数据集的信息丢失，特别是当多数类样本被大量移除时。

3、案例

        从0中找到和1的数目相同的数据

        代码

import pandas as pd
import nump