不平衡学习的 FunctionSampler 抛出 ValueError

Question

我想使用 imblearn 中的 FunctionSampler 类来创建我自己的自定义类来重新采样我的数据集。

我有一个一维特征系列，其中包含每个主题的路径和一个标签系列包含每个主题的标签。两者都来自pd.DataFrame。我知道我必须先重塑特征数组，因为它是一维的。

当我使用 RandomUnderSampler 类时，一切正常，但是如果我首先将功能和标签都传递给 FunctionSampler 的 fit_resample 方法，然后创建 RandomUnderSampler 的实例，然后调用fit_resample 在这个类上，我收到以下错误：

ValueError：无法将字符串转换为浮点数：'path_1'

这是一个产生错误的最小示例：

import pandas as pd
from imblearn.under_sampling import RandomUnderSampler
from imblearn import FunctionSampler

# create one dimensional feature and label arrays X and y
# X has to be converted to numpy array and then reshaped. 
X = pd.Series(['path_1','path_2','path_3'])
X = X.values.reshape(-1,1)
y = pd.Series([1,0,0])

第一种方法（有效）

rus = RandomUnderSampler()
X_res, y_res = rus.fit_resample(X,y)

第二种方法（不起作用）

def resample(X, y):
    return RandomUnderSampler().fit_resample(X, y)

sampler = FunctionSampler(func=resample)
X_res, y_res = sampler.fit_resample(X, y)

有人知道这里出了什么问题吗？似乎FunctionSampler 的fit_resample 方法不等于RandomUnderSampler 的fit_resample 方法...

Answer 1

您对FunctionSampler 的实现是正确的。问题出在您的数据集上。

RandomUnderSampler 似乎也适用于文本数据。没有使用check_X_y 进行检查。

但是FunctionSampler() 有这个检查，见here

from sklearn.utils import check_X_y

X = pd.Series(['path_1','path_2','path_2'])
X = X.values.reshape(-1,1)
y = pd.Series([1,0,0])

check_X_y(X, y)

这会报错

ValueError：无法将字符串转换为浮点数：'path_1'

下面的例子可以工作！

X = pd.Series(['1','2','2'])
X = X.values.reshape(-1,1)
y = pd.Series([1,0,0])

def resample(X, y):
    return RandomUnderSampler().fit_resample(X, y)

sampler = FunctionSampler(func=resample)
X_res, y_res = sampler.fit_resample(X, y)

X_res, y_res 
# (array([[2.],
#        [1.]]), array([0, 1], dtype=int64))