0

我正在使用 SMOTENC 来解决不平衡的分类问题。

df_train, df_test = train_test_split(input_table_1_df, test_size=0.25, stratify=input_table_1_df["Target_Variable_SX_FASCIA_1"])
    
                  ###### SMOTE ######
    # Create features table and target table
    df_x = df_train.loc[ : , df_train.columns != "Target_Variable_SX_FASCIA_1"] 
    df_y = df_train.drop(["Target_Variable_SX_FASCIA_1"], axis=1)
    
    # From pandas to numpy arrays
    from imblearn.over_sampling import SMOTENC
    
    df_X=df_x.to_numpy()
    df_Y=df_y.to_numpy()
    
    column_name_x=list(df_x.columns) 
    column_name_y=list(df_y.columns) 
    
    # Resampling
    smote_nc = SMOTENC(categorical_features=[0,1,2,3,4,5], random_state=0,sampling_strategy=.2)
    X_resampled, Y_resampled = smote_nc.fit_resample(df_X, df_Y)
    X_resampled_df= pd.DataFrame(X_resampled,columns=column_name_x)
    Y_resampled_df= pd.DataFrame(Y_resampled,columns=column_name_y)
    Training_set_Passivi_Fascia_1 = pd.concat([X_resampled_df, Y_resampled_df], axis=1)

我在行收到以下错误:

X_resampled, Y_resampled = smote_nc.fit_resample(df_X, df_Y)

TypeError:“int”和“str”的实例之间不支持“<”

我可以理解这是变量类型的问题,但我不知道如何解决这个错误。我已经尝试过:

  1. 替换所有缺失值
  2. 修复所有可能的变量类型错误

其他有用信息:数据集的前 6 个变量是字符串,其他是双精度或整数。

只需询问您是否需要更多信息。

提前致谢。

4

1 回答 1

0

如果您可以打印 df_x 和 df_y 的头会很有帮助。

我可以从这条线上推断出什么

df_y = df_train.drop(["Target_Variable_SX_FASCIA_1"], axis=1)

您实际上是放弃目标变量并将预测变量保留在 df_y 中。我的假设是“Target_Variable_SX_FASCIA_1”是目标变量的列名,所以它应该是

df_y = df_train["Target_Variable_SX_FASCIA_1"].values
于 2021-03-17T18:00:04.467 回答