EasyEnsemble算法代码

以下是Python中EasyEnsemble算法的代码示例：

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from imblearn.ensemble import EasyEnsembleClassifier

# 创建一个样本不平衡的二分类数据集
X, y = make_classification(n_classes=2, class_sep=2,
                           weights=[0.1, 0.9], n_informative=3,
                           n_redundant=1, flip_y=0, n_features=20,
                           n_clusters_per_class=1, n_samples=1000,
                           random_state=10)

# 将数据集分割为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

# 使用EasyEnsemble算法构建分类器
base_clf = DecisionTreeClassifier(random_state=42)
ee_clf = EasyEnsembleClassifier(base_estimator=base_clf, n_estimators=10, random_state=42)

# 训练分类器
ee_clf.fit(X_train, y_train)

# 预测测试集结果
y_pred = ee_clf.predict(X_test)

在这个示例中，我们使用`make_classification`函数创建了一个样本不平衡的二分类数据集。然后，我们将数据集分成训练集和测试集，并使用`EasyEnsembleClassifier`函数构建分类器。最后，我们使用`fit`函数训练分类器，并使用`predict`函数预测测试集结果。