过采样：用于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

截至2018年1月，这个问题尚未在Python中实现。以下是团队中的reference。事实上，如果有人想要实施，他们对提案持开放态度。

对于那些对此问题具有学术兴趣的人，来自Chawla＆amp; Sons的paper。 Bowyer在6.1节中解决了这种SMOTE-Non Continuous采样问题。

更新：此功能自2018年10月21日起实施。服务请求现已关闭。

Answer 2

根据文档，现在可以通过使用SMOTENC来实现。 SMOTE-NC能够处理分类特征和连续特征。

这是文档中的代码

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)

Answer 3

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。

您可以使用一种解决方法，将分类变量转换为整数并使用SMOTE。

然后使用np.round(X_train[categorical_variables])将它们转换回相应的分类值。