machine-learning - SMOTE 重采样产生 nan 值

Question

我正在使用 SMOTE 对少数数据集进行过采样。我的代码如下：

from imblearn.over_sampling import SMOTE

X_train, X_test, y_train, y_test = train_test_split(features_coded, labels, test_size=0.2, random_state=42)

sm = SMOTE(random_state=42, sampling_strategy='all')
# also tried the following, same result
# sm = SMOTE(random_state=42, sampling_strategy=0.5)
X_train, y_train = sm.fit_resample(X_train, y_train)

我使用如下语句检查 features_coded、labels、X_train 和 y_train：

features_coded[features_coded.isnull().any(axis=1)]

我很确定它们在过采样之前不包含任何 nan 值。但是，重采样后，X_train 数据帧中有很多 nan 值。

以防万一您想知道：这是我在过采样之前的数据帧（保存为 csv 文件），没有任何遗漏。

这是我过采样后的数据框（保存为 csv 文件），有很多空值！

有什么问题吗？

Answer 1

我遇到了类似的问题，我使用这些行将输入X和数组转换Y为数组X_arr = numpy.array(X)，y_arr = numpy.array(Y)并将它们输入train_test_split()如下：

X_train, X_test, y_train, y_test = train_test_split(X_arr, y_arr, test_size = 0.2, random_state = 2)

smote = SMOTE(random_state=2)

X_train_balanced, Y_train_balanced = smote.fit_resample(X_train, y_train)