有使用EasyEnsemble进行采样之后将数据输入到CNN进行训练的代码吗？

当你使用 EasyEnsemble 进行采样后，可以将数据输入到 CNN（卷积神经网络进行训练。以下是一个示例代码，展示了如何使用 EasyEnsemble 进行采样并将数据输入到 CNN 进行训练：

import numpy as np
import tensorflow as tf
from sklearn.ensemble import EasyEnsembleClassifier
from sklearn.metrics import accuracy_score
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 假设你已经准备好了训练集 X_train 和标签 y_train

# 使用 EasyEnsemble 进行采样
ee = EasyEnsembleClassifier(n_estimators=10)
X_resampled, y_resampled = ee.fit_resample(X_train, y_train)

# 将数据转换为适合 CNN 的形状（假设为图像数据）
X_cnn = X_resampled.reshape(X_resampled.shape[0], width, height, channels)

# 定义 CNN 模型
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(width, height, channels)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dense(num_classes, activation='softmax'))

# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 将标签进行 one-hot 编码（假设有多个类别）
y_one_hot = tf.keras.utils.to_categorical(y_resampled, num_classes)

# 训练模型
model.fit(X_cnn, y_one_hot, epochs=10, batch_size=32, validation_split=0.2)

# 假设你已经准备好了测试集 X_test 和标签 y_test

# 对测试集进行相同的数据转换
X_test_cnn = X_test.reshape(X_test.shape[0], width, height, channels)

# 在测试集上进行预测
y_pred = model.predict(X_test_cnn)

# 将预测结果转换为类别标签
y_pred_labels = np.argmax(y_pred, axis=1)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred_labels)
print("Accuracy:", accuracy)

请根据你的数据形状和问题进行适当的调整。这只是一个示例代码，你可能需要根据你的具体情况进行修改。确保导入所需的库，并根据你的数据进行相应的数据预处理和模型调整。