imblearn采样并行n_jobs参数弃用后的替代方案问询

我在使用imbalanced-learn（imblearn）库的过采样/欠采样器时，给n_jobs=x参数传入整数来开启并行运行，会弹出未来弃用警告：

FutureWarning: The parameter n_jobs has been deprecated in 0.10 and will be removed in 0.12. You can pass an nearest neighbors estimator where n_jobs is already set instead

请问是不是应该停止给n_jobs传整数，转而传入已经设置好n_jobs的sklearn.neighbors.KNeighborsClassifier实例？就像下面示例代码里做的那样（实测能带来约10%的速度提升）。除此之外还有其他需要注意的地方吗？

最小可复现代码（MRE） #

from imblearn.over_sampling import SMOTE
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split, GridSearchCV

# 创建样本数据
# 参数设置
N = 500000
n_features = 200

X, y = make_classification(n_samples=N,
                           n_features=n_features,
                           n_clusters_per_class=1,
                           weights=[0.99],
                           flip_y=0,
                           random_state=1)

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y)

%%timeit -n 5 
sampler = SMOTE()
global X_train, y_train
_, _ = sampler.fit_resample(X_train,y_train)

knn = KNeighborsClassifier(n_jobs=3)

%%timeit -n 5 
global X_train, y_train, knn
sampler = SMOTE(k_neighbors=knn)
_, _ = sampler.fit_resample(X_train,y_train)

解决方案与注意事项 #

1. 替代方案的正确性 #

没错，警告信息已经明确给出了方向：从imblearn 0.10版本开始，n_jobs参数已被弃用，0.12版本会彻底移除。正确的做法就是像你示例中那样，传入预先设置好n_jobs的近邻估计器实例（比如KNeighborsClassifier或KNeighborsRegressor，具体根据采样器需求选择）。这种方式不仅能实现并行加速，还能让你更灵活地控制近邻计算的其他参数（如metric、leaf_size等）。

2. 其他需要注意的点 #

• 匹配采样器的近邻类型要求：不同采样器对近邻估计器的类型有要求，比如SMOTE类采样器（SMOTE、ADASYN等）默认使用KNeighborsClassifier，部分欠采样器（如NearMiss）也有对应类型要求，要确保传入的实例符合采样器规范，避免报错。
• 避免参数冲突：如果传入的近邻实例已经设置了n_neighbors，采样器本身的k_neighbors参数会被忽略，所以要统一近邻数量的设置，不要两边重复配置导致混淆。
• 合理分配并行资源：n_jobs设置的并行任务数不要超过CPU核心数，否则会增加上下文切换开销，反而降低运行速度。比如CPU有4核，设置n_jobs=3是合理的，设成8就没必要了。
• 版本兼容问题：如果需要兼容旧版imblearn，可以做分支判断，但建议尽早迁移到新写法，避免后续版本升级后代码报错。
• 优化代码结构：示例中使用了global关键字，实际项目里尽量避免，建议把数据和采样逻辑封装成函数，代码更清晰也不易出问题。

内容的提问来源于stack exchange，提问作者Björn