过采样和过采样与over_sampling.SMOTE的区别？

Question

这个问题有点偏执，比如在谷歌，搜索结果会被音频和傅里叶变换等混合在一起。

1. 特别是对于python，当涉及到数字数据时，少数类的过度采样和过采样之间有什么区别吗？
2. 我正在使用imblearn对少数族裔类进行过抽样/抽样。我目前正在使用 从imblearn.over_sampling进口sm = SMOTE(random_state=12，ratio = 1.0) x_train_res，y_train_res = sm.fit_sample(X_train，y_train) 但最近，我偶然发现 sm = over_sampling.SMOTE(random_state=12，ratio = 1.0) x_train_res，y_train_res = sm.fit_sample(X_train，y_train) 有什么关系？

Answer 1

from imblearn.over_sampling import SMOTE

sm = SMOTE(random_state=12, ratio = 1.0)

和

import imblearn.over_sampling 

sm = over_sampling.SMOTE(random_state=12, ratio = 1.0)

是一样的。唯一的区别是如何访问代码中的SMOTE函数。