问题标签 [imblearn]

这个错误到底是什么，我该如何解决？
运行最新版本的 TensorFlow 和 Keras

详细图像

这是下面显示错误的代码。

关于这个主题有很多问题和答案，但我无法解决我的问题。

我正在尝试使用 imblearn 的 ADASYN 模型来平衡我的数据集。

到目前为止，这是我的代码：

但我收到一个错误：

在线上

这里有几个问题：

1. 您如何解决此问题？这意味着您如何识别导致此问题的数据。我的数据集有近 2300 多个特征列。
2. 你如何解决它？

感谢您的时间！

SMOTE由于少数标签，我有一个多类文本数据。我已经这样做了，但是我得到了稀疏矩阵作为我的输出。

有没有办法在 SMOTE 之后取回文本数据？

这是我的代码示例：

我正在尝试使用 imblearn 随机欠采样器，但我遇到的问题是我的 X_train 是一个 3D 数组，而欠采样器需要一个 2D 数组，所以我收到了错误：

所以我尝试了这里描述的解决方案：重新采样数据 - 使用来自 imblearn 的 SMOTE 和 3D numpy 数组，但这给了我错误“无法将大小为 40000 的数组重新整形为形状 (160,10)”。

有人可以帮我如何更改数组吗？

我的数组具有以下形状： y_train: (27704, 2) X_train: (27704, 30, 5)

或者，也许有人知道如何对我的数据集进行下采样的更好方法？

我正在研究使用以下代码创建的不平衡数据集

我尝试使用 SMOTE 过采样消除不平衡，然后尝试拟合 ML 模型。这是使用普通方法然后通过创建管道来完成的。

普通法

输出 - 准确度：0.93，精度：0.92，召回：0.86，F1：0.89

管道

输出 - 准确度：0.96，精度：0.19，召回：0.84，F1：0.31

使用管道时我做错了什么，为什么使用管道时精度和 F1 分数这么差？

我正在进行网格搜索以调整堆叠估计器的超参数（来自 sklearn.ensemble 库的 StackingClassifier 对象）。我将 scikit 库用于 ML 和 RandomizedSearchCV 函数。除此之外，要调整的堆栈的基本估计器是管道（来自 imblearn.pipeline 库的管道对象），其中每个管道的第一步是来自 mlxtend 库的 ColumnSelector 对象。网格搜索旨在查看一长串变量组合，因此网格的参数分布仅通过 ColumnSelector 对象的参数“cols”。我第一次运行这段代码时，一切正常，然后我将项目搁置一旁，几天后回来发现它不再工作了。代码中的一切都和我留下的一样，

AttributeError：“ColumnSelector”对象没有属性“n_features_in_”

我不明白穿的是什么。我已经尝试了很多东西，甚至卸载了 Anaconda、mlxtend、imblearn，并重新安装了最新版本，但它一直在喊同样的错误。我在谷歌上进行了搜索，但似乎没有关于此的信息。

你能帮我解决这个问题吗？

提前致谢。

附录：scikit 版本是 0.23.1，mlxtend 版本是 0.17.3，不平衡学习版本是 0.7.0。

完整的回溯如下，对象 gr2 对应于用于调整堆叠分类器的 RandomizedSearchCV 对象。我想指出，如果我使用 mlxtend 中的 StackingClassifier 对象，一切正常，但该对象没有参数 cv，它确实有来自 sklearn.ensemble 的 StackingClassifier，我需要它以获得更好的性能（我以前在一切正常的时候就有过）。

让我们假设以下代码（来自管道上的 imblearn 示例）

我想确保在执行pipeline.predict(X_test)采样程序enn时renn不会执行（但当然pca必须执行）。

1. 首先，我很清楚over-, under-, and mixed-sampling哪些程序适用于training set，而不是 test/validation set. 如果我错了，请在这里纠正我。

2. 我浏览了imblearn Pipeline代码，但在那里找不到predict方法。

3. 我还想确保当管道位于GridSearchCV

我只需要一些保证，这就是imblearn.Pipeline.

编辑：2020-08-28

@wundermahn 答案就是我所需要的。

此编辑只是为了补充一点，这是人们应该使用imblearn.Pipeline 不平衡预处理而不是sklearn.Pipeline在文档中无处使用的原因我找到了解释为什么imblearn需要imblearn.Pipelinesklearn.Pipeline

我在下面有一个非常基本的脚本来演示这个问题：

注意，glass.csv来自这个链接

目的是平衡以下类别的不平衡：

拥有相等（或接近相等）的样本。但是，运行上面的代码会产生：

ValueError: No samples will be generated with the provided ratio settings.

更改ADASYN'sampling_strategy以minority成功对minority类进行过采样6，并将其带到74样本中，但仍然使其余类不平衡。因此，我正在寻找一种使用 ADASYN对所有少数类进行完全过采样的方法。

ADASYN 文档指出： 'not majority': resample all classes but the majority class;

但这显然没有发生。

我想使用库在 python 中使用 SMOTE 算法执行过采样imblearn.over_sampling。我的输入数据有四个目标类。我不想对所有少数类分布进行过度采样以匹配多数类分布。我想以不同的方式对我的每个少数族裔进行过采样。

当我使用时SMOTE(sampling_strategy = 1, k_neighbors=2,random_state = 1000)，出现以下错误。

然后，根据错误，我使用字典作为“sampling_strategy”，如下所示，

但是，它给出了以下错误，

有谁知道我们如何定义字典以使用 SMOTE 对数据进行不同的过采样？