python用easyensamble分类

EasyEnsemble是一种基于集成学习（ensemble learning）的分类算法，用于解决类不平衡的问题。它通过对原始数据集进行多次下采样，得到多个子集，然后在每个子集上训练一个基分类器，最终将这些基分类器集成起来得到最终的分类结果。

在Python中，可以使用imblearn库中的EasyEnsembleClassifier类来实现EasyEnsemble分类。以下是一个示例代码：

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

# 生成一个类不平衡的数据集
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)

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=10)

# 创建EasyEnsemble分类器
ee = EasyEnsembleClassifier(random_state=10)

# 在训练集上拟合模型
ee.fit(X_train, y_train)

# 在测试集上评估模型性能
score = ee.score(X_test, y_test)
print("Accuracy: {:.2f}%".format(score * 100))

在上面的示例中，首先使用make_classification函数生成一个类不平衡的数据集，然后将数据集分为训练集和测试集。接着创建EasyEnsemble分类器，并在训练集上拟合模型。最后在测试集上评估模型性能，并输出准确率。