Question

我正在使用SMOTE函数对我的稀疏数据集进行过采样，该数据集包含大约98％0s＆amp; 2％1s.I使用以下代码

from imblearn.over_sampling import SMOTE
import os
import pandas as pd
df_input= pd.read_csv('input_tr.csv',index_col=0) 
train_X=df_input.ix[:, df_input.columns != 'row_num']
df_output=pd.read_csv("output_tr.csv",index_col=0)
train_y=df_output
sm = SMOTE(random_state=12, ratio = 1.0)
train_X_sm,train_y_sm=sm.fit_sample(train_X,train_y)

我收到了以下错误

line 347, in kneighbors
(train_size, n_neighbors)
ValueError: Expected n_neighbors <= n_samples,  but n_samples = 4, n_neighbors = 6

你能帮我解决这个错误吗？

Answer 1

我有一个类似的问题。

SMOTE基于 KNN算法，因此 需要最少数量的样本 来创建此子集的新实例。< / p>

例如：

如果你试图预测是一个整数值，类1,2,3，并假设你只有2个1级样本，那么如何获得k-3个邻居？将是不可能的。这太不平衡!!

信息很清楚：

预期的n_neighbors＆lt; = n_samples。

因此，您需要比邻居更多或等于 SAMPLES 来创建新实例。

我看你的数据集，你只有4个OUTPUT 1样本。所以，消息说你只有4个，但我需要6个邻居来创建它们的新实例。

Answer 2

基本上，这是一个不平衡的数据集，不允许使用KNN的问题。

如果对于实例，您将拥有一个仅包含一个实例的类，则将无法计算SMOTE，因为会出现以下错误：预期的n_neighbors <= n_samples，但n_samples = 1，n_neighbors = 2

这基本上意味着一个实例没有任何邻居可用于过采样。

解决方案是改用另一种技术-例如RandomOversampling（即使每个类只有一个实例也没有问题）。
或者选择删除实例太少的类。
或者，或者为k指定另一个值，而不是默认值： k = 1＃邻居数 sm = SMOTE（k_neighbors = k，random_state = seed）

SMOTE值错误

2 个答案: