讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

updream

一键生成高质量推广成片

Seko
Seko

AI短剧一键生成成片

AniShort
AniShort

AI短剧协同制作平台

如何在Python中快速为非平衡样本数据生成SMOTE过采样?

胖辰君_3464

胖辰君_3464

发布时间:2026-11-22 10:01:05

|

609人浏览过

|

来源于php中文网

原创

SMOTE过采样前需将标签显式整数编码、确保X为二维数值数组、处理NaN,且必须同时传入X和y;k_neighbors应据少数类样本量合理设置,过采样后须验证分布与业务合理性。

如何在python中快速为非平衡样本数据生成smote过采样?

SMOTE过采样前必须检查标签是否为整数编码

直接传入字符串标签(如 ["cat", "dog", "dog"])给 SMOTE 会报 ValueError: Expected array-like with numerical values。sklearn 的 SMOTE 不支持类别型标签自动编码。

实操建议:

  • 用 LabelEncoder 或 pd.Categorical.codes 显式转成整数,例如:y_encoded = LabelEncoder().fit_transform(y)
  • 确保训练集 X_train 是二维数值型数组(不能是 DataFrame 含 object 列),否则 SMOTE.fit_resample() 会失败
  • 如果原始标签有缺失值(NaN),必须先处理,SMOTE 不接受含 NaN 的 y

fit_resample() 必须同时传入 X 和 y,不能只过采样标签

SMOTE 的核心逻辑是基于少数类样本的特征空间生成新样本,因此它需要原始特征 X 才能计算 KNN 并插值。单独对 y 调用 fit_resample() 会抛出 TypeError: fit_resample() missing 1 required positional argument: 'y' —— 但即使你补上 y,若没传 X,也会因内部校验失败而中断。

正确写法只有这一种:

立即学习“Python免费学习笔记(深入)”;

from imblearn.over_sampling import SMOTE
smote = SMOTE(random_state=42)
X_res, y_res = smote.fit_resample(X_train, y_train)  # 必须两个都传

常见错误:

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载
  • smote.fit_resample(y_train) → 缺 X,报错
  • smote.fit_resample(X_train) → 缺 y,报错
  • 把测试集 X_test 误传进去做重采样 → 导致数据泄露,模型评估失效

k_neighbors 参数太小或太大都会破坏过采样质量

SMOTE 默认 k_neighbors=5,但它高度依赖少数类样本数量。若某类只有 3 个样本,k_neighbors=5 会触发 ValueError: Expected n_neighbors ;若设成 <code>k_neighbors=1,生成的样本过于集中、缺乏多样性,容易过拟合。

合理设置原则:

  • 先用 np.bincount(y_train) 查看各类样本量,取最小非零类的样本数减 1 作为上限
  • 实践中,k_neighbors 设为 min(5, min_class_count - 1) 比较稳妥
  • 若少数类极少(如仅 2 样本),SMOTE 本身就不适用,应改用 ADASYN 或结合欠采样(如 SMOTEENN)

过采样后务必验证类别分布和特征合理性

生成的 y_res 看似平衡了,但可能隐藏问题:比如某类新增样本全部集中在某个特征区间,或新样本的特征组合在原始分布中根本不存在(尤其当原始特征含强相关性或业务约束时)。

建议立即执行的检查:

  • 运行 np.bincount(y_res),确认各类数量确实接近(注意:由于四舍五入,可能差 1)
  • 对任一新增样本(如 X_res[-1]),用 np.linalg.norm(X_res[-1] - X_train, axis=1).min() 查最近邻距离,若远超原始样本间平均距离,说明插值异常
  • 避免在高维稀疏特征(如 one-hot 后的 1000+ 列)上直接用 SMOTE —— 它默认按欧氏距离计算,易受量纲和维度诅咒影响,应先标准化或降维

真正麻烦的不是调用那行代码,而是后续没意识到 SMOTE 生成的是“数学上合理、但业务上可疑”的样本。比如在金融风控里,一个新生成的用户行为向量,可能同时具备“高额度”和“零交易频次”,这种组合现实中几乎不会出现 —— 这类细节,库不会提醒你。

热门AI工具

更多
DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

超级麦吉

一款通过数字员工协作完成调研、数据分析与文档制作的AI办公平台。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

超级简历WonderCV

一款AI办公效率工具,主要用于免费求职简历模版下载制作,应届生职场人必备简历制作神器,适合需要提升相关任务效率的用户。

SkildArt
SkildArt Hot

SkildArt是一款AI文本写作工具,一站式 AI 视觉创作平台。

立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

Laper
Laper Hot

Laper是专为编剧、导演和制片人推出的 AI 原生剧本创作工具。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1971

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5664

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1929

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

34797

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4047

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

4067

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1303

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Navicat创建数据库教程
Navicat创建数据库教程

本专题整理Navicat创建数据库相关教程,介绍新建前的准备、基础设置和创建后的检查方法。内容兼顾入门学习及实际使用需求,帮助用户了解不同数据库类型下的操作差异,为后续建表、保存数据和日常管理提供参考。

0

2026.11.20

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn