??SMOTE是用來解決樣本種類不均衡，專門用來過采樣化的一種方法。第一次接觸，踩了一些坑，寫這篇記錄一下：

問題一：SMOTE包下載及調用

# 包下載 pip install imblearn# 調用 from imblearn.over_sampling import SMOTE # 使用SMOTE進行過采樣時正樣本和負樣本要放在一起，生成比例1：1 smo = SMOTE(n_jobs=-1) # 這里必須是fit_resample()，有些版本是fit_sample()無法運行 x_sampling, y_sampling = smo.fit_resample(train_x_data, train_y_data)

對于SMOTE函數API參數如下：

API介紹imblearn.over_sampling.SMOTE( sampling_strategy = ‘auto’, random_state = None, ## 隨機器設定 k_neighbors = 5, ## 用相近的 5 個樣本（中的一個）生成正樣本 m_neighbors = 10, ## 當使用 kind={'borderline1', 'borderline2', 'svm'} out_step = ‘0.5’, ## 當使用kind = 'svm' kind = 'regular', ## 隨機選取少數類的樣本 – borderline1： 最近鄰中的隨機樣本b與該少數類樣本a來自于不同的類 – borderline2： 隨機樣本b可以是屬于任何一個類的樣本; – svm：使用支持向量機分類器產生支持向量然后再生成新的少數類樣本 svm_estimator = SVC(), ## svm 分類器的選取 n_jobs = 1, ## 使用的例程數，為-1時使用全部CPU ratio=None )

參考博客：https://blog.csdn.net/yeziyezi1986/article/details/103202012

問題二：ValueError: Unknown label type: ‘continuous’

解決方法：標簽類型必須是int型

參考博客：https://blog.csdn.net/qq_41870817/article/details/89419726

問題三：ValueError: Expected n_neighbors ＜= n_samples, but n_samples = 1, n_neighbors = 6

解決方法：
??1.調整k_neighbors參數值
??2.復制數據集，讓數據條數多一點兒

參考博客：https://blog.csdn.net/weixin_45494978/article/details/107669996
https://blog.csdn.net/LinJing_2020/article/details/104606596

最后留一個比較清晰的使用文章：
https://blog.csdn.net/opp003/article/details/89920665

總結

以上是生活随笔為你收集整理的python调用imblearn中SMOTE踩坑的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。