SMOTEENN在2000行小数据集上无限运行无结果求助

问题背景 #

环境配置：sklearn '1.1.3'、imblearn '0.9.1'、Python '3.10.8'
数据集规模：仅2000行
执行代码：

smt = SMOTEENN(random_state=42, n_jobs = -1)
X_train_SMOTE, y_train_SMOTE = smt.fit_resample(X_train, y_train)

问题现象：单元格无限运行（等待1小时后终止），无结果无报错，运行期间CPU无负载，重装imblearn无效

可能的原因及排查方向 #

• 多进程参数引发的死锁
  imblearn 0.9.1与sklearn 1.1.3的多进程调度存在兼容性问题。设置n_jobs=-1时，SMOTEENN内部的SMOTE采样和ENN清洗步骤可能在进程通信时陷入死锁，小数据集下进程启动的额外开销会放大这个问题，导致CPU无实际任务执行。建议先将n_jobs改为1，禁用多进程后重新测试。

• 数据异常导致的逻辑循环
  检查数据集是否存在以下情况：

  • 特征包含NaN、无穷大值，SMOTEENN计算近邻时会陷入异常处理的无限循环；
  • 少数类样本量极低（如仅1-2个），ENN步骤在清洗合成样本时出现逻辑迭代死循环；
  • 特征维度极高且存在严重共线性，导致近邻计算的数值稳定性问题，引发进程挂起。
    可通过X_train.isna().sum()、np.isinf(X_train).sum()排查异常值，用y_train.value_counts()统计类别分布。

• 版本兼容性bug
  imblearn 0.9.x系列对sklearn 1.1.x的适配存在未修复的问题。建议调整版本组合：要么降级sklearn到1.0.x版本，要么升级imblearn到0.10.x版本（如imblearn 0.10.1适配sklearn 1.2.x），确保两者版本匹配。

• 运行环境的进程阻塞
  Jupyter Notebook等交互式环境下，多进程可能因内核与子进程的通信机制阻塞。尝试在普通Python脚本中运行代码，而非Notebook单元格；同时检查系统内存是否充足，高维度小数据集也可能因内存交换频繁导致进程假死。

内容的提问来源于stack exchange，提问作者joe.somewhere