怎么画smote算法的01分布图，用python代码写出

首先，为了方便绘图，我们需要先生成一个具有两个特征的随机数据集，其中0和1的数量大致相等。可以使用以下代码生成：

import numpy as np

# 生成随机数据集
X = np.random.rand(1000, 2)
y = np.random.randint(0, 2, 1000)

# 计算0和1的数量
count_0 = len(y[y==0])
count_1 = len(y[y==1])

print("数量为0的样本数：", count_0)
print("数量为1的样本数：", count_1)

接下来，我们可以使用imblearn库中的SMOTE算法对数据集进行过采样。下面是实现SMOTE算法的代码：

from imblearn.over_sampling import SMOTE

# 创建SMOTE对象
smote = SMOTE()

# 进行过采样
X_resampled, y_resampled = smote.fit_resample(X, y)

# 计算过采样后0和1的数量
count_0_resampled = len(y_resampled[y_resampled==0])
count_1_resampled = len(y_resampled[y_resampled==1])

print("数量为0的样本数（过采样后）：", count_0_resampled)
print("数量为1的样本数（过采样后）：", count_1_resampled)

最后，我们可以使用Matplotlib库绘制原始数据集和过采样后的数据集的01分布图。以下是绘图的代码：

import matplotlib.pyplot as plt

# 绘制原始数据集的01分布图
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.title("Original Data Distribution")
plt.show()

# 绘制过采样后的数据集的01分布图
plt.scatter(X_resampled[:, 0], X_resampled[:, 1], c=y_resampled)
plt.title("SMOTE Data Distribution")
plt.show()

运行以上代码，即可得到原始数据集和过采样后的数据集的01分布图。