C++聚類算法中的類別不平衡處理

在C++中處理聚類算法中的類別不平衡問題，可以采用以下幾種方法：

1. 重采樣（Resampling）：重采樣方法包括過采樣（Oversampling）和欠采樣（Undersampling）。過采樣是通過復制較少的類別樣本或者生成新的樣本來增加較少的類別樣本數量。欠采樣是通過減少較多的類別樣本來平衡類別數量。在C++中，可以使用Random庫進行隨機抽樣。

#include <iostream>
#include <vector>
#include <algorithm>
#include <random>

// 重采樣函數
std::vector<int> resample(const std::vector<int>& data, int min_samples) {
    std::vector<int> resampled_data;
    std::unordered_map<int, int> class_count;
    for (int sample : data) {
        class_count[sample]++;
    }

    std::random_device rd;
    std::mt19937 gen(rd());
    std::uniform_int_distribution<> dis(0, data.size() - 1);

    while (resampled_data.size() < min_samples * data.size()) {
        int index = dis(gen);
        if (class_count[data[index]] > 0) {
            resampled_data.push_back(data[index]);
            class_count[data[index]]--;
        }
    }

    return resampled_data;
}

2. 使用聚類算法的權重版本：某些聚類算法允許為每個樣本分配權重。在這種情況下，可以為較少的類別樣本分配較高的權重，而為較多的類別樣本分配較低的權重。這樣，算法會更關注較少的類別樣本。例如，K-means算法可以通過修改距離計算來實現加權聚類。

3. 使用集成學習方法：集成學習方法可以通過組合多個基學習器的預測結果來提高模型的魯棒性。在聚類任務中，可以使用不同的聚類算法作為基學習器，并通過投票或平均的方式來組合它們的預測結果。這樣可以提高模型對較少類別樣本的關注度。

4. 使用代價敏感學習（Cost-sensitive learning）：代價敏感學習是一種通過為不同類別的樣本分配不同的權重或代價來處理類別不平衡的方法。在C++中，可以通過修改損失函數來實現代價敏感學習。例如，在K-nearest neighbors（KNN）算法中，可以為不同類別的樣本分配不同的距離權重。

#include <iostream>
#include <vector>
#include <cmath>

// 代價敏感KNN算法
double cost_sensitive_knn(const std::vector<std::vector<double>>& X, const std::vector<int>& y, const std::vector<int>& sample, int k, double class_weight) {
    double min_distance = std::numeric_limits<double>::max();
    int min_index = -1;

    for (int i = 0; i < X.size(); i++) {
        double distance = 0;
        for (int j = 0; j < X[i].size(); j++) {
            distance += std::pow(X[i][j] - sample[j], 2);
        }
        distance = std::sqrt(distance);

        if (distance < min_distance) {
            min_distance = distance;
            min_index = i;
        }
    }

    int predicted_class = y[min_index];
    int correct_class = sample[min_index];
    double cost = 0;

    if (predicted_class != correct_class) {
        cost = class_weight;
    }

    return cost;
}

這些方法可以單獨使用，也可以結合使用，以獲得更好的類別不平衡處理效果。在實際應用中，需要根據具體問題和數據集選擇合適的方法。