含SMOTE步骤的Imblearn Pipeline报错：无transform属性

问题根源 #

SMOTE是仅用于训练集的过采样工具，它没有transform方法——过采样的目的是平衡训练数据分布，测试集必须保持原始分布，不能做过采样。而你把SMOTE放进了整个预处理管道里，imblearn的ImbPipeline只要包含采样器（如SMOTE），就会失去transform属性，因为采样器不支持测试数据的转换操作。

解决方法：拆分管道，分离预处理与过采样 #

把纯预处理流程（对训练/测试集都适用）和SMOTE过采样（仅训练集）分开：

步骤1：定义纯预处理管道（不含SMOTE）

from sklearn.pipeline import Pipeline

# 保留原有子预处理管道，替换为普通sklearn Pipeline即可
text_preprocessor = Pipeline([
    ('tp', TextPreprocessor()),
    ('vec', CountVectorizer())
])

image_preprocessor = Pipeline([
    ("img", ImageBOFTransformer())
])

numerical_preprocessor = Pipeline([
    ("scl", StandardScaler())
])

categorical_preprocessor = Pipeline([
    ("rct", CardinalityReducer()),
    ("ohe", OneHotEncoder(sparse=False, handle_unknown='ignore'))
])

# 纯预处理管道：仅做特征转换，不含采样器
preprocessor = Pipeline([
    ("ord", OrdinalMapper()),
    ('ct', ColumnTransformer([
    ('categorical_preprocessor', categorical_preprocessor, categorical_cols),
    ('numerical_preprocessor', numerical_preprocessor, numerical_cols),
    ('text_preprocessor', text_preprocessor, "Description"),
    ('image_preprocessor', image_preprocessor, "Images")]))
])

步骤2：处理训练数据（预处理+过采样）

from imblearn.over_sampling import SMOTE

# 先对训练数据做统一预处理
X_train_processed = preprocessor.fit_transform(X_train, y_train)
# 仅对预处理后的训练数据执行SMOTE过采样
smote = SMOTE()
X_train_resampled, y_train_resampled = smote.fit_resample(X_train_processed, y_train)

# 用重采样后的训练数据训练分类器
clf.fit(X_train_resampled, y_train_resampled)

步骤3：处理测试数据（仅预处理）

# 直接用预处理管道转换测试集，跳过SMOTE
X_test_t = preprocessor.transform(X_test)
# 用训练好的分类器完成预测
y_pred = clf.predict(X_test_t)

额外方案：若需将SMOTE与分类器整合进管道（用于调参） #

如果要把SMOTE和分类器放在同一个imblearn管道里做超参数调优，测试时可以通过管道的named_steps提取纯预处理部分来转换测试集：

from imblearn.pipeline import ImbPipeline

full_pipeline = ImbPipeline([
    ("preprocessor", preprocessor),  # 引用上面的纯预处理管道
    ("smote", SMOTE()),
    ("classifier", RandomForestClassifier())  # 替换为你使用的分类器
])

# 训练整个管道
full_pipeline.fit(X_train, y_train)

# 测试时仅用预处理部分转换数据
X_test_t = full_pipeline.named_steps['preprocessor'].transform(X_test)
# 或直接调用predict，imblearn管道会自动跳过采样器执行后续步骤
y_pred = full_pipeline.predict(X_test)

内容的提问来源于stack exchange，提问作者Matheus de Oliveira