Python 过采样在管道中组合了多个采样器

Question

我的问题涉及 SMOTE 类引发的值错误。

Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6

# imbalanced learn is a package containing impelementation of SMOTE
from imblearn.over_sampling import SMOTE, ADASYN, RandomOverSampler
from imblearn.pipeline import Pipeline
# label column (everythin except the first column)
y = feature_set.iloc[:,0]
# feature matrix: everything except text and label columns
x = feature_set.loc[:, feature_set.columns != 'text_column']
x = x.loc[:, x.columns != 'label_column']
x_resampled, y_resampled = SMOTE().fit_resample(x, y)

经过一些调查，我发现我的一些类(class)(总共 158 个)的采样率极低。

根据本post中提出的解决方案

Create a pipeline that is using SMOTE and RandomOversampler in a way that satisfies the condition n_neighbors <= n_samples for smoted classes and uses random oversampling when the condition is not satisfied.

但是，我仍在努力设置和运行我的实验。

# initilize oversamplers
smote = SMOTE()
randomSampler = RandomOverSampler()
# create a pipeline
pipeline = Pipeline([('smote', smote), ('randomSampler', randomSampler)])
pipeline.fit_resample(x, y)

当我运行它时，我仍然有同样的错误。我的猜测是，生成的管道应用了两个采样器，而我只需要一次应用其中一个，基于预定义的条件(如果项目数小于 X，则 RandomSampler，否则 SMOTE)。有没有办法设置条件以在项目数量极少的情况下调用 RandomSampler？

提前谢谢你。

Answer 1

我也遇到了和你一样的问题(Expected n_neighbors <= n_samples, but n_samples = 1, n_neighbors = 6)，我和你一样阅读并遵循了那个人的建议。

我认为您遇到了同样的错误，因为您在 SMOTE 操作之后放置了随机过采样器。也就是说，在应用 SMOTE 算法之前，您需要对少数类进行过采样。

这对我有用:

pipe = Pipeline([
('tfidf', TfidfVectorizer()), 
('ros', RandomOverSampler()),
('oversampler', SMOTE()),
('clf', LinearSVC()),
])