问题标签 [smote]

我使用（Python 2.7）安装了不平衡学习包：

安装后，我尝试从包中导入 SMOTE。

这给出了以下错误：

谁能帮我解决这个错误或指出我是否没有正确安装软件包？

我正在使用 python 库 smote-variants ( https://pypi.org/project/smote-variants/ )，我想使用方法 model_selection 来选择最佳分类器和最佳重采样方法。我这样做是这样的：

诸如 KNN 或 RandomForestClassifier 之类的分类器可以作为分类器列表包含在 sv.model_selection() 中，但是如果我想包含一个 ANN 实现怎么办？我该怎么做？有办法吗？

由于我的数据集不平衡，我正在使用 SMOTE 进行过采样。我收到一个意外的参数错误。但在文档中，该ratio参数是为 SMOTE 定义的。有人可以帮助我了解我哪里出错了吗？

代码片段

错误

我使用 SMOTE 对数据进行过度采样，如下所示：

所以现在X_resampled, y_resampled都比原始数据集大。如何区分合成样本中的原始数据？

我正在做一个二进制分类，为了平衡我的数据集，我在 python 中实现了 sklearn 的 SMOTE()。

在我的本地笔记本电脑中，一切运行良好，但是当我在 Google Colab 中运行它时，出现以下错误：

'''IndexError: 只有整数、切片 ( :)、省略号 ( ...)、numpy.newaxis ( None) 和整数或布尔数组是有效的索引'''

在 X_train_new 变量的计算中：

我的代码如下：

我保存了 X_train 和 y_train 以检测初始 X_train 和使用 SMOTE 计算的 X_trains 之间的差异。我发现在 Google Colab 中我得到以下文件（一个示例）：

在我的笔记本电脑中，我得到：

为什么不同的机器保存列表的方式不同？

对于给定的不平衡数据，我创建了一个不同的标准化管道和一个热编码

之后，一个柱式变压器将上述管道保持在一个

最终管道如下

我正在对不平衡数据进行管道拟合，因此我将 SMOTE 技术与预处理和分类器一起包括在内。由于不平衡，我想检查召回分数。

正确的方法如下面的代码所示吗？我正在召回 0.98 左右，这可能会导致模型过度拟合。如果我犯了任何错误，有什么建议吗？

是否可以从 imblearn 的 smote 函数创建的 pandas 数据框中提取新添加的行？

我一直在尝试将列组合包含在 categorical_features 参数中，但它们都不起作用。我的数据名声中也没有空值。我使用 Smotenc 的原因是因为我的目标向量非常倾斜：99.7% 是，0.3% 不是。请帮忙。

我有六个特征列和一个目标列，这是不平衡的。我可以通过复制与常量完全相同的内容（月、年列）仅为 X1、X2、X3、X4 四个列创建合成记录，从而制作像 ADASYN 或 SMOTE 这样的过采样方法

当前之一：

预期一：它可以通过对目标类'1'进行上采样来创建合成记录，但是记录的数量可以增加，但添加的记录应该有月份和年份（不变，如下所示）

我正在使用 SMOTE 对我的不平衡数据集进行过采样，并不断遇到

AttributeError: 'SMOTE' object has no attribute '_validate_data'

我的示例数据框和代码就是这样

我尝试将 SMOTE 实例化改为采用sampling_strategy浮点数

但错误仍然存​​在。