回答情况：
提问时间：
问题标签：
1回答
我可以从imblearn库导入SMOTE，但是当导入SMOTENC时，它会抛出一个错误：
我试过改变版本的imblearn，但是没有运气from imblearn.over_sampling import SMOTENC
浏览 0修改于2019-06-09得票数 0
我试图找出适当的方法来构建一个管道来训练一个模型，其中包括使用SMOTENC算法：算法能处理缺失的值吗？如果在SMOTENC之前，而不是在SMOTENC之后执行基于中位数和百分位值的数据计算和异常值删除，这难道不偏倚估算/百分位数吗？SMOTENC能否在一次热编码后应用，并将数值二进制列定义为分类特征？
当管道包含在交叉验证模式中时，数据平衡将只应用于不平衡的训练折叠，还是
浏览 0提问于2020-06-22得票数 2
回答已采纳
这是我第一次使用SMOTENC对分类数据进行上采样。然而，我已经得到了错误。你能建议一下我应该把什么当作是绝对的吗？_SMOTENC中的功能？from imblearn.over_sampling import SMOTENC
y=df["A"]
smote_nc = SMOTENC(categorical_features
浏览 163修改于2020-03-05得票数 0
回答已采纳
如果您能让我知道如何使用SMOTENC，我将非常感激。我认为SMOTENC应该插入到分类器('clf', reg)之前，但我不知道如何在SMOTENC中定义"categorical_features“。
浏览 0提问于2019-01-18得票数 3
回答已采纳
我正在尝试用FAMD、SMOTENC和其他预处理步骤实现管道。然而，它每次都会产生错误。如果我从管道中移除FAMD，它可以正常工作。import make_column_selector as selector
#Undersampling with SMOTENCfrom imb
浏览 4修改于2021-03-03得票数 1
回答已采纳
我使用SMOTENC对不平衡的数据集进行过采样。could not convert string to float ), "oversampler",
SMOTENC</em
浏览 0修改于2023-02-17得票数 0
MBUNGA KOREA 170 Iphone 6s F 因此，我希望使用SMOTENC', data = Data)x = Data.drop('GENDER', axis=1)
from imblearn.over_sampling import SMOTENCsmote_nc = SMOTENC(categorical_features=[0,3], ran
浏览 64提问于2019-10-03得票数 0
到目前为止，运行SMOTENC的代码如下所示。from imblearn.over_sampling import SMOTENCX_res, y
浏览 11提问于2019-11-07得票数 0
回答已采纳
我用SMOTENC来解决一个不平衡的分类问题。Target_Variable_SX_FASCIA_1"], axis=1) # From pandas to numpy arrays column_name_y=list(df_y.columns) # Resampling
smote_nc = SMOTENC
浏览 4修改于2021-03-17得票数 0
回答已采纳
A', 'Announced Date'])
18,19,20,21,22,23,24我之所以使用Smotenc是因为我的目标载体是极
浏览 2提问于2020-06-22得票数 2
如果您能让我知道如何使用SMOTENC，我将非常感激。])) ('clf', rg))
pipeline_with_resampling = make_pipeline(SMOTENClearning-from-imbalanced-classes-master/learning-from-imbalanced-classes-master/continuous/Final Logit/SMOTENC
浏览 0修改于2019-02-18得票数 3
回答已采纳
SMOTENC和SMOTENC正在工作。但无法使用SMOTEN。我在中尝试了解决方案。
浏览 2提问于2021-03-16得票数 0
回答已采纳
这是我下面的代码，我需要使用SMOTENC来平衡数据集，这意味着我必须使用来自imblearn库的管道。但是，它不承认CountVectorizer特性。] [ ('smote', SMOTENC
浏览 4提问于2022-06-06得票数 0
我在试着学习 smote_nc = SMOTENC(categorical_features=[df.dtypes=='category'], random_state=0)
X, y = smote_nc.fit_resample
浏览 29修改于2020-12-27得票数 0
test_data["col3"]from imblearn.over_sampling import SMOTENCcat_indx =[0,1]X_train_res, y_train_res
浏览 2修改于2020-11-19得票数 1
回答已采纳
from collections import Counterfrom imblearn.under_sampling
浏览 27提问于2019-10-12得票数 1
回答已采纳
683 non-null int64 因此，在dtype转换之后，当我尝试下面的SMOTENCinstall imblearn (if you don't have imblearn in your system)
from imblearn.over_sampling import SMOTE, SMOTENCsm = SMOTENC(categorical_features=cat_index,random_state = 2,sampling_strat
浏览 8修改于2022-02-20得票数 4
回答已采纳
1回答
如果我申请SMOTE(或SMOTENC的分类)，我最终有合成样本，最后一次访问发生在第一次访问之前。这导致了一个在现实世界中不存在的样本，因此可能会对模型的性能产生负面影响。
浏览 0修改于2020-10-02得票数 2
我遇到了一些方法，如SMOTE和SMOTENC，但它们都是必需的，它们都将数据拆分为训练和测试集，而且它们不处理稀疏数据。在分割之前，我是否可以在预处理步骤中对整个数据执行此操作？
浏览 0修改于2020-09-13得票数 3
回答已采纳
代码：from imblearn.over_sampling import SMOTENC
sm = SMOTENC
浏览 5修改于2020-05-16得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号