过采样：Python 中二进制和分类数据的 SMOTE

Question

我想将 SMOTE 应用于包含二进制、分类和连续数据的不平衡数据集。有没有办法将 SMOTE 应用于二进制和分类数据？

Answer 1

因此根据文档，SMOTE 尚不支持 Python 中的分类数据，并提供连续输出。

您可以改用变通方法，将分类变量转换为整数并使用 SMOTE。

然后使用 np.round(X_train[categorical_variables]) 将它们转换回各自的分类值。

Answer 2

截至 2018 年 1 月，此问题尚未在 Python 中实施。以下是来自团队的 reference。事实上，如果有人想实施它，他们对提案持开放态度。

对于那些对这个正在进行的问题有学术兴趣的人，来自 Chawla & Bowyer 的 paper (web archive) 在第 6.1 节中解决了这个 SMOTE-非连续采样问题。

更新：此功能已于 2018 年 10 月 21 日实施。服务请求现已关闭。

Answer 3

根据文档，现在可以使用 SMOTENC。 SMOTE-NC 能够处理分类特征和连续特征的混合。

这是来自 documentation 的代码：

from imblearn.over_sampling import SMOTENC
smote_nc = SMOTENC(categorical_features=[0, 2], random_state=0)
X_resampled, y_resampled = smote_nc.fit_resample(X, y)

过采样：Python 中二进制和分类数据的 SMOTE

Oversampling: SMOTE for binary and categorical data in Python

python-3.x

imputation