忽略 SMOTE 过采样中的列
Ignore columns in SMOTE oversampling
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（月，年列）
完全相同的内容，只为四列 X1、X2、X3、X4 创建合成记录，从而制作像 ADASYN 或 SMOTE 这样的过采样方法吗
当前：
预期一：可以通过上采样目标创建合成记录class'1'但是记录的数量可以增加但是添加的记录应该有月份和年份（不变如下图）
从编程的角度来看，2017 年在相关 Github repo 中提出的相同问题得到了否定回答：
[Question]
I have a data frame that I want to apply smote to but I wish to only use a subset of the columns. The other columns contain additional data for each sample and I want each new sample to contain the original info as well
[Answer]
There is no way to do that apart of extracting the column in a new matrix and process it with SMOTE.
Even if you generate a new samples you have to decide what to put as values there so I don't see how such feature can be added
从 建模 的角度回答，这 不是 一个好主意，即使您可以找到编程解决方法，您也应该不 尝试 - 并且可以说，这就是为什么上面 imbalanced-learn 的开发者甚至在考虑在 SMOTE 实现中添加这样的功能时不屑一顾的原因。
这是为什么？好吧，像 SMOTE 这样的合成过采样算法本质上是使用 k-nn 方法的一些变体，以便在现有样本“之间”创建人工样本。鉴于这种方法，不用说，为了使这些人工样本确实“介于”真实样本之间（在 k-nn 意义上），all 现有（数字）必须考虑功能。
如果您通过使用一些编程炼金术，最终设法仅基于您的一部分特征生成新的 SMOTE 样本，那么将未使用的特征放回原位将 破坏 这些人工样本与真实样本的接近度和“中间性”的任何概念，从而通过在您的训练集中插入巨大的偏差来损害整个企业。
简而言之：
如果您认为您的Month和year确实是有用的功能，请将它们包含在SMOTE中；你可能会得到一些无意义的人工样本，但这不应该被认为是这里的目的的（大）问题。
如果没有，那么也许您应该考虑将它们从您的训练中完全移除。
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（月，年列）
完全相同的内容，只为四列 X1、X2、X3、X4 创建合成记录，从而制作像 ADASYN 或 SMOTE 这样的过采样方法吗当前：
预期一：可以通过上采样目标创建合成记录class'1'但是记录的数量可以增加但是添加的记录应该有月份和年份（不变如下图）
从编程的角度来看，2017 年在相关 Github repo 中提出的相同问题得到了否定回答：
[Question]
I have a data frame that I want to apply smote to but I wish to only use a subset of the columns. The other columns contain additional data for each sample and I want each new sample to contain the original info as well
[Answer]
There is no way to do that apart of extracting the column in a new matrix and process it with SMOTE. Even if you generate a new samples you have to decide what to put as values there so I don't see how such feature can be added
从 建模 的角度回答，这 不是 一个好主意，即使您可以找到编程解决方法，您也应该不 尝试 - 并且可以说，这就是为什么上面 imbalanced-learn 的开发者甚至在考虑在 SMOTE 实现中添加这样的功能时不屑一顾的原因。
这是为什么？好吧，像 SMOTE 这样的合成过采样算法本质上是使用 k-nn 方法的一些变体，以便在现有样本“之间”创建人工样本。鉴于这种方法，不用说，为了使这些人工样本确实“介于”真实样本之间（在 k-nn 意义上），all 现有（数字）必须考虑功能。
如果您通过使用一些编程炼金术，最终设法仅基于您的一部分特征生成新的 SMOTE 样本，那么将未使用的特征放回原位将 破坏 这些人工样本与真实样本的接近度和“中间性”的任何概念，从而通过在您的训练集中插入巨大的偏差来损害整个企业。
简而言之：
如果您认为您的
Month和year确实是有用的功能，请将它们包含在SMOTE中；你可能会得到一些无意义的人工样本，但这不应该被认为是这里的目的的（大）问题。如果没有，那么也许您应该考虑将它们从您的训练中完全移除。