matlab代码 smote

SMOTE (Synthetic Minority Over-sampling Technique) 是一种用于处理类别不平衡问题的技术，特别是在数据挖掘和机器学习中。它通过在少数类样本之间创建合成样本来平衡数据集，从而提高模型的性能和鲁棒性。

在MATLAB中，可以使用以下代码实现SMOTE算法：

function [newData, newLabels] = smote(data, labels, k, overSamplingRatio)
    newData = [];
    newLabels = [];

    minorityClass = data(labels == 1, :);
    majorityClass = data(labels == 0, :);

    for i = 1:size(minorityClass, 1)
        nnIndices = knnsearch(minorityClass, minorityClass(i, :), 'K', k+1);
        nnIndices = nnIndices(2:end); % Exclude the sample itself

        for j = 1:overSamplingRatio
            nn = minorityClass(nnIndices(randi(k)), :);
            newSample = minorityClass(i, :) + rand(1, size(minorityClass, 2)) * (nn - minorityClass(i, :));
            newData = [newData; newSample];
            newLabels = [newLabels; 1]; % Label for the new sample
        end
    end

    newData = [data; newData];
    newLabels = [labels; newLabels];
end

该MATLAB函数首先会识别出数据集中的少数类和多数类样本，然后根据过采样比例和K近邻算法，生成合成样本，并将其添加到原始数据集中。通过调用该函数，可以有效地处理类别不平衡问题，并提高机器学习模型的准确性和鲁棒性。