如何实现Sklearn Pipeline中的可选SMOTENC自定义估计器？

核心问题解答 #

1. 是否需要继承SMOTENC？
   必须继承。这样可以直接复用SMOTENC的所有采样逻辑和参数配置，无需从零实现，只需要添加开关控制逻辑即可。

2. super().__init__的位置是否正确？
   放在自定义类__init__方法的最开头是正确的。先调用父类构造方法初始化所有SMOTENC的原生参数，再设置自定义的开关参数，能保证父类的属性被正确加载。

完整实现代码 #

from imblearn.over_sampling import SMOTENC

class OptionalSMOTENC(SMOTENC):
    def __init__(self, use_smote=True, **kwargs):
        # 先初始化父类SMOTENC的所有参数
        super().__init__(**kwargs)
        # 自定义开关参数，控制是否执行采样
        self.use_smote = use_smote

    def fit_resample(self, X, y):
        # 根据开关决定执行逻辑
        if self.use_smote:
            # 启用SMOTENC采样，调用父类的核心方法
            return super().fit_resample(X, y)
        else:
            # 禁用采样，直接返回原始数据集
            return X, y

使用示例（结合ImblearnPipeline） #

from imblearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier

# 构建包含OptionalSMOTENC的Pipeline
pipeline = Pipeline([
    ('scaler', StandardScaler()),
    # 初始化时设置启用SMOTENC，指定分类特征列
    ('smote', OptionalSMOTENC(use_smote=True, categorical_features=[0, 2])),
    ('classifier', RandomForestClassifier())
])

# 训练前可以动态修改开关（比如禁用采样）
pipeline.set_params(smote__use_smote=False)
pipeline.fit(X_train, y_train)

关键注意事项 #

• 父类SMOTENC的所有参数（如k_neighbors、categorical_features）都可以通过**kwargs传递，无需在自定义类中重复定义。
• 重写fit_resample方法是核心：imblearn的采样器通过该方法执行采样逻辑，必须保证返回格式和父类一致（特征矩阵+标签数组），否则Pipeline会报错。
• 如果需要适配其他方法（如fit），可按需重写，但绝大多数场景下只需要重写fit_resample即可。

内容的提问来源于stack exchange，提问作者PlasticWorker