python - 改进分类不平衡数据集

Question

我用红葡萄酒的数据库进行分类，我正在使用以下列：固定酸度、挥发性酸度、柠檬酸、残留糖、氯化物、游离二氧化硫、总二氧化硫、密度、pH、硫酸盐、酒精来预测葡萄酒的质量（一些葡萄酒专家分配的分数从 1 到 10）。我使用 DecisionTreeClassifier、GaussianNB、KNeighborsClassifier、SVM 或 RandomForestClassifier 等分类，但准确率始终约为 60%。当我检查混淆矩阵时，我可以看到大多数预测都是 5-6 个质量点，而我的数据库最常见的是变量。当预测不正确或我的数据库更加平衡时，如何通过更多惩罚来提高准确性？我是分类问题的初学者，所以欢迎任何帮助。数据库：https://www.kaggle.com/uciml/red-wine-quality-cortez-et-al-2009 混淆矩阵：混淆矩阵

X=wino[[ 'alcohol','volatile acidity','citric acid','sulphates', 'total sulfur dioxide']].values
Y=wino['quality'].values

X_train, X_test, y_train, y_test = train_test_split( X, Y, test_size=0.3, random_state=42)

dtc=DecisionTreeClassifier()
drzewa=dtc.fit(X_train,y_train)
dtc.score(X_test, y_test)
plot_confusion_matrix(dtc,X_test, y_test,values_format='')

标签： pythonclassification