Elysia Tools
导航
Data Analysis
检测 CSV 或 JSON 数据集中的类别不平衡，对比重采样策略，并预览平衡后的输出数据集
详情
粘贴 CSV 数据集或上传 CSV/JSON 文件，然后指定分类标签列。工具会统计每个类别的数量，计算不平衡比例，提示更适合使用过采样还是欠采样，并生成平衡数据预览。
使用说明：
说明：
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
一款专为机器学习和数据分析设计的数据集不平衡检测与重采样工具。支持通过粘贴或上传 CSV/JSON 文件，快速统计目标标签列的类别分布，计算不平衡比例。工具不仅能直观展示数据倾斜情况，还提供过采样（Oversample）和欠采样（Undersample）策略对比，并允许以 JSON 或 CSV 格式预览平衡后的数据集，帮助您在进入模型训练前做出更优的数据处理决策。
背景
正在处理一份包含 10000 条交易记录的 CSV 数据，其中欺诈交易仅有 50 条（比例 99.5:0.5）。
问题
极度不平衡的数据会导致风控模型将所有交易都预测为正常，无法识别欺诈。
如何使用
粘贴 CSV 数据，将「标签列」设置为 label，选择 oversample 策略，导出格式选 json。
{"labelColumn": "label", "strategy": "oversample", "exportFormat": "json", "previewRows": 10}结果
工具生成了过采样后的报告，欺诈样本被复制扩充，类别比例达到 1:1，并输出了包含 10 行平衡数据的 JSON 预览。
背景
收集了一份 JSON 格式的患者体征数据集，健康样本有 5000 个，确诊样本有 1200 个。
问题
需要快速生成一个类别均衡的子集用于快速训练决策树基线模型。
如何使用
上传 JSON 数据文件，指定标签列为 diagnosis，选择 undersample 策略，导出格式选 csv。
{"labelColumn": "diagnosis", "strategy": "undersample", "exportFormat": "csv", "previewRows": 20}结果
工具将健康样本随机裁剪至 1200 个，总数据量变为 2400，并提供了 20 行 CSV 格式的平衡数据预览。
过采样是通过随机复制少数类样本使其数量与多数类一致；欠采样则是随机裁剪多数类样本，使其数量降至与少数类相同。
支持直接粘贴 CSV 格式的文本，或者上传本地的 CSV 和 JSON 数据文件。
如果数据集中某类样本过多，机器学习模型可能会倾向于预测多数类，导致对少数类（如欺诈检测中的异常交易）的识别能力极差。
可以。您可以通过选择 CSV 或 JSON 格式导出预览数据，用于初步的模型训练和基线测试。
预览行数用于限制在结果报告中展示的平衡后数据条数，支持设置 3 到 50 行，方便快速检查数据格式是否正确。