为连续和分类特征调用SMOTENC之前的数据缩放

Question

到目前为止，运行SMOTENC的代码如下所示。

from imblearn.over_sampling import SMOTENC
smt = SMOTENC(random_state=seed, categorical_features=[10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53], ratio=1.0, n_jobs = -1)     
# n_jobs = The number of threads to open if possible. ``-1`` means using all processors.
# default K=5 
X_res, y_res = smt.fit_sample(X_tra, y_tra)

这里的问题是，我正在读关于SMOTE的文章，因为它使用具有欧几里德距离的KNN算法，所以应该在调用SMOTENC()之前对数据进行缩放。

如果数据集的前10个特征是整数，其余的是分类特征，在这种情况下我应该如何进行缩放过程？

Answer 1

我建议根据数据的分布情况，使用MinMaxScaler或StandardScaler来缩放数值/连续特征。关于分类特征，这不是选择SMOTENC而不是SMOTE算法的意义所在吗？