使用ADASYN算法对多类数据进行过采样失败

如何解决使用ADASYN算法对多类数据进行过采样失败

我下面有一个非常基本的脚本来演示该问题：

from imblearn.over_sampling import ADASYN
import pandas as pd,numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split


data = pd.read_csv('glass.csv')
classes = data.values[:,-1]
data = data.iloc[:,:-1]

adasyn = ADASYN(sampling_strategy='not majority',random_state=8,n_neighbors=3)

new_data,new_classes = adasyn.fit_resample(data,classes)

X_train,X_test,y_train,y_test = train_test_split(new_data,new_classes,test_size = 0.20)

rfc = RandomForestClassifier()
rfc.fit(X_train,y_train)
print("score: {}".format(rfc.score(X_test,y_test)))

Note,glass.csv comes from this link

目的是平衡以下类别的失衡：

(214,10)
Class=1,Count=70,Percentage=32.710%
Class=2,Count=76,Percentage=35.514%
Class=3,Count=17,Percentage=7.944%
Class=5,Count=13,Percentage=6.075%
Class=6,Count=9,Percentage=4.206%
Class=7,Count=29,Percentage=13.551%

具有相等（或接近相等）的样本。但是，运行上面的代码会产生：

ValueError: No samples will be generated with the provided ratio settings.

将ADASYN的{​​{1}}更改为sampling_strategy成功地对minority类minority进行了超采样，并将其带到6样本中，但是仍然使其余类别保持不平衡。因此，我正在寻找一种使用ADASYN对所有少数群体进行完全过采样的方法。

ADASYN documentation states: 74

但这显然没有发生。

解决方法

为解决此问题，我对所做的工作进行了重采样，但除去了两个主要多数类，并通过以下方式继续这样做：

adasyn = ADASYN(sampling_strategy='minority',random_state=8,n_neighbors=3)

new_data = data
new_classes = classes

for i in range(len(classes)-2):
    new_data,new_classes = adasyn.fit_resample(data,classes)