我正在结果变量为1-6的整数的数据集上尝试SMOTE（来自imblearn）。是否有任何准则来确定各个类别中样本量的最佳平衡？还是在这种情况下最好遍历不同的选项并评估结果？
训练集的大小看起来像{1：6000，2：10000，3：20000，4：25000，5：30000，6：35000}。 SMOTE中sample_strategy参数的默认值是重新采样，以便所有少数类（1-5）与类别6的大小匹配。但是我想知道是否应该尝试仅增加类别1和2的大小。
关于测试集的总体准确性，针对1级和2级：
sm = SMOTE(random_state=22, sampling_strategy = {1:10500, 2: 15000})
X_train, y_train = sm.fit_sample(X_train, y_train)
总体准确度比默认重采样略高
sm = SMOTE(random_state=22)
X_train, y_train = sm.fit_sample(X_train, y_train)