imblearn库BorderlineSMOTE未生成合成数据及模块弃用咨询

问题概述 #

使用imblearn的BorderlineSMOTE处理二分类数据集（由多分类转换而来，y为0/1）时，代码无报错但未生成任何合成数据，X_res与原X完全一致；但SVMSMOTE、SMOTENC可正常生成过采样数据。

是否弃用？ #

BorderlineSMOTE未被弃用，它仍是imbalanced-learn稳定版的正式模块。其核心逻辑是针对处于类别边界的少数类样本生成合成数据：通过统计少数类样本的k近邻中多数类样本的占比，将样本分为安全样本、边界样本和噪声样本，仅对边界样本执行过采样，避免生成靠近多数类的噪声数据。

可能原因及解决方法 #

1. 少数类样本数量不足 #

BorderlineSMOTE默认使用k_neighbors=5，如果少数类样本总数小于该值，无法找到足够的邻居来判定边界样本，也就不会生成合成数据。

• 解决：检查少数类样本数量，若过少则降低k_neighbors参数（比如设为3）：

  border_line = BorderlineSMOTE(random_state=42, k_neighbors=3)
  

2. 所有少数类样本均为“安全样本” #

若少数类样本的k近邻中多数类样本占比低于阈值（默认下，borderline-1要求近邻中多数类占比≥50%），所有少数类样本会被判定为安全样本，BorderlineSMOTE不会对这类样本进行过采样。

• 解决：
  • 尝试切换kind参数为borderline-2，该类型对边界样本的判定更宽松；

  border_line = BorderlineSMOTE(random_state=42, kind='borderline-2')
  

  • 调整m_neighbors参数（默认5），改变判定边界样本的邻居范围；
  • 手动分析少数类样本的分布，确认是否存在边界样本。

3. 参数不匹配数据集 #

默认参数可能不适合你的数据分布，可尝试组合调整k_neighbors、m_neighbors和kind参数，同时验证重采样前后的样本数量：

X=df.drop(['target'], axis=1)
y=df['target']

border_line = BorderlineSMOTE(random_state=42, k_neighbors=3, kind='borderline-2')
X_res, y_res = border_line.fit_resample(X, y)

# 输出样本数量对比，确认是否生成新数据
print(f"原样本量: {len(X)}, 重采样后样本量: {len(X_res)}")

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