我使用 SMOTE 对我的训练集进行过采样。在训练集中，除了数字特征外，每行还有多个分类属性，例如位置和类型。当我使用 SMOTE 重新采样数据时，如何将这些分类属性的分布与训练集中的分布进行比较？在 imblearn 的过采样策略中，sample_indices_ 使这成为可能，但我认为这在 SMOTE 中是不可能的。有没有办法解决这个问题？我们是否也可以让 SMOTE 基于分类属性创建合成示例？例如，在少数类实例较少的位置创建少数类样本？
我使用 SMOTE 对我的训练集进行过采样。在训练集中，除了数字特征外，每行还有多个分类属性，例如位置和类型。当我使用 SMOTE 重新采样数据时，如何将这些分类属性的分布与训练集中的分布进行比较？在 imblearn 的过采样策略中，sample_indices_ 使这成为可能，但我认为这在 SMOTE 中是不可能的。有没有办法解决这个问题？我们是否也可以让 SMOTE 基于分类属性创建合成示例？例如，在少数类实例较少的位置创建少数类样本？