def getData(self):
"""
获取进化后的数据集
"""
#Setep1 获取差分进化后SMOTER参数
de = DE(fitness=self.fitness,
D=3,
DRange=self.Drange,
F=self.F,
CR=self.CR,
PopulationSize=self.PopulationSize,
Lives=self.Lives)
bestPars = de.evolution(otherPars=[self.data])
#Step2 使用最佳参数获得数据集
S = SMOTER(k=bestPars[0, 0],
m=bestPars[0, 1],
r=bestPars[0, 2],
data=self.data)
return (S.smoteR(), bestPars)
def transform(self, x, y):
"""
用DE优化SMOTEND,针对特定数据集 模型和评估指标的优化
Parameters:
-------------------
Drange,F,CR,PopulationSize,Live:
DE的相关参数
x,y:
用于评估参数的数据集
metric:
评估指标
modelName：
用的模型
times:
验证时计算的次数
Return:
-------
(newX,newY,bestPars(array(1*d)))
"""
metric, modelName, DRange, F, CR, PopulationSize, Lives = self.metric, self.modelName, self.DRange, self.F, self.CR, self.PopulationSize, self.Lives
#Setep1 获取差分进化后SMOTER参数
de = DE(fitness=SMOTENDDE_Fitness,
D=3,
DRange=DRange,
F=F,
CR=CR,
PopulationSize=PopulationSize,
Lives=Lives)
paras, _ = de.evolution(otherPars=(x, y, modelName, metric))
#Step2 返回最后一代参数
return paras
