SS-KSMOTE 算法在

### SS-KSMOTE 算法介绍

SS-KSMOTE (Safe-Space K-Means Synthetic Minority Over-sampling Technique) 是一种针对不平衡数据集处理的技术，特别适用于机器学习中的分类问题。该技术结合了K-means聚类方法和传统的SMOTE(Synthetic Minority Over-sampling Technique)[^4]。

#### 工作原理

1. **预处理阶段**
数据首先被划分为多数类样本集合和少数类样本集合。对于原始的数据分布情况，采用K-means算法对整个特征空间进行划分，形成多个簇(cluster)，这有助于识别哪些区域属于安全区(safe space)以及边界区(borderline region)。

2. **合成新实例**
针对每一个由K-means产生的簇内所含有的少数类成员，在其最近邻域范围内随机选取若干个邻居点，并基于这些选定点创建新的虚拟样本来扩充训练集规模。此过程旨在保持原有结构的同时增加稀疏类别下的代表性。

3. **优化模型性能**
经过上述步骤生成的新数据集能够更好地平衡不同类型的数量比例关系，从而使得后续构建的学习器更加鲁棒有效，减少因类别偏斜带来的偏差影响。

from imblearn.over_sampling import SMOTENC
import numpy as np
from sklearn.cluster import MiniBatchKMeans

def ss_k_smote(X, y, k=5):
    # 对X,y做必要的预处理...
    
    mbk = MiniBatchKMeans(n_clusters=k)
    mbk.fit(X)

    minority_indices = np.where(y == min_class_label)[0]
    majority_indices = np.where(y != min_class_label)[0]

    safe_space_samples = []
    borderline_samples = []

    for cluster_center in mbk.cluster_centers_:
        distances_to_center = np.linalg.norm(X[minority_indices]-cluster_center, axis=1)
        
        sorted_distances_idx = np.argsort(distances_to_center)
        closest_points_in_cluster = X[sorted_distances_idx[:int(len(sorted_distances_idx)*0.8)]]

        synthetic_samples = smote(closest_points_in_cluster, n_neighbors=k//2)
        safe_space_samples.append(synthetic_samples)

    return np.vstack([safe_space_samples]), labels_for_new_data