Solución:
Necesita mirar el objeto de canalización. imbalanced-learn tiene un Pipeline que extiende el Pipeline de scikit-learn, para adaptarse a los métodos fit_sample () y sample () además de los métodos fit_predict (), fit_transform () y predict () de scikit-learn.
Eche un vistazo a este ejemplo aquí:
- https://imbalanced-learn.org/stable/auto_examples/pipeline/plot_pipeline_classification.html
Para su código, querrá hacer esto:
from imblearn.pipeline import make_pipeline, Pipeline
smote_enn = SMOTEENN(smote = sm)
clf_rf = RandomForestClassifier(n_estimators=25, random_state=1)
pipeline = make_pipeline(smote_enn, clf_rf)
OR
pipeline = Pipeline([('smote_enn', smote_enn),
('clf_rf', clf_rf)])
Entonces puedes pasar esto pipeline
objeto a GridSearchCV, RandomizedSearchCV u otras herramientas de validación cruzada en scikit-learn como un objeto regular.
kf = StratifiedKFold(n_splits=n_splits)
random_search = RandomizedSearchCV(pipeline, param_distributions=param_dist,
n_iter=1000,
cv = kf)
Esto parece que encajaría en el proyecto de ley http://contrib.scikit-learn.org/imbalanced-learn/stable/generated/imblearn.over_sampling.SMOTE.html
Querrás crear el tuyo propio transformer
(http://scikit-learn.org/stable/modules/generated/sklearn.base.TransformerMixin.html) que al llamar fit
devuelve un conjunto de datos equilibrado (presumiblemente el obtenido de StratifiedKFold
), pero al llamar predict
, que es lo que sucederá con los datos de prueba, llama a SMOTE.