Python 在进行交叉验证时，如何应用过采样？

我正在研究一个用于分类的不平衡数据，之前我尝试使用合成少数过采样技术（SMOTE）对训练数据进行过采样。然而，这一次我认为我还需要使用一个离开一组（标志）交叉验证，因为我想在每个简历上离开一个主题

我不确定我是否能很好地解释它，但是，据我所知，要使用SMOTE进行k折叠CV，我们可以在每个折叠上循环SMOTE，正如我在这段代码中看到的那样。下面是在k-fold CV上实现SMOTE的示例

从sklearn.model\u选择导入KFold
从IMBRearn.over_采样导入SMOTE
从sklearn.metrics导入f1\U分数
kf=KFold（n_拆分=5）
对于枚举（kf.split（X），1）中的折叠（列索引，测试索引）：
X_列=X[列索引]
y_列=y[列索引]
X_检验=X[检验指数]
y_检验=y[检验指数]
sm=SMOTE（）
X_序列过采样，y_序列过采样=sm.拟合样本（X_序列，y_序列）
模型=…#分类模型示例
模型拟合（X\U系列、y\U系列）
y_pred=模型预测（X_检验）
打印（f'用于折叠{fold}:'）
打印（f'准确性：{model.score（X_检验，y_检验）}'）
打印（f'f分数：{f1_分数（y_测试，y_预测）}'）

没有SMOTE，我试着做这个来做LOGO CV。但通过这样做，我将使用一个超级不平衡的数据集

X = X
y = np.array(df.loc[:, df.columns == 'label'])
groups = df["cow_id"].values #because I want to leave cow data with same ID on each run
logo = LeaveOneGroupOut()

logo.get_n_splits(X_std, y, groups)

cv=logo.split(X_std, y, groups)

scores=[]
for train_index, test_index in cv:
    print("Train Index: ", train_index, "\n")
    print("Test Index: ", test_index)
    X_train, X_test, y_train, y_test = X[train_index], X[test_index], y[train_index], y[test_index]
    model.fit(X_train, y_train.ravel())
    scores.append(model.score(X_test, y_test.ravel()))

---

我应该如何在离开一组CV的循环中实现SMOTE？我对如何定义合成训练数据的组列表感到困惑。

这里建议的方法对于遗漏交叉验证更有意义。留下一个组作为测试集，并对其余的组进行重复采样。在所有过采样数据上训练分类器，并在测试集上测试分类器

在您的情况下，以下代码将是在LOGO CV循环中实现SMOTE的正确方法

for train_index, test_index in cv:
    print("Train Index: ", train_index, "\n")
    print("Test Index: ", test_index)
    X_train, X_test, y_train, y_test = X[train_index], X[test_index], y[train_index], y[test_index]
    sm = SMOTE()
    X_train_oversampled, y_train_oversampled = sm.fit_sample(X_train, y_train)
    model.fit(X_train_oversampled, y_train_oversampled.ravel())
    scores.append(model.score(X_test, y_test.ravel()))