SMOTE、ADASYN与BorderlineSMOTE采样结果一致问题排查求助

核心问题：变量引用错误 #

你代码里犯了一个低级错误：不管是BorderlineSMOTE还是ADASYN，你都调用了smote.fit_resample()，但完全没用到自己创建的borderline_smote和adasyn实例——这就导致三种方法实际用的是同一个过采样器（大概率是你之前定义的SMOTE实例），结果自然完全一致。

另外，你所有模型都用了同一个ovr_clf变量，后面的模型会直接覆盖前面的，最后输出的只是最后一次训练的结果，根本没法对比三种方法的差异。

修正后的可运行代码 #

补全SMOTE的处理逻辑，同时确保每个过采样器用自己的实例，每个模型独立训练：

from imblearn.over_sampling import SMOTE, BorderlineSMOTE, ADASYN
from sklearn.multiclass import OneVsRestClassifier
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, classification_report

# 假设X_train, y_train, X_test, y_test已完成划分与预处理

# 1. SMOTE过采样+模型训练
smote = SMOTE(random_state=42)
X_train_smote, y_train_smote = smote.fit_resample(X_train, y_train)
ovr_clf_smote = OneVsRestClassifier(SVC(kernel='linear', random_state=42))
ovr_clf_smote.fit(X_train_smote, y_train_smote)
y_pred_smote = ovr_clf_smote.predict(X_test)
print("=== SMOTE 结果 ===")
print(f'Accuracy Score: {accuracy_score(y_pred_smote, y_test)*100:.2f}%')
print(classification_report(y_test, y_pred_smote))

# 2. BorderlineSMOTE过采样+模型训练
borderline_smote = BorderlineSMOTE(random_state=42)
X_train_border, y_train_border = borderline_smote.fit_resample(X_train, y_train)
ovr_clf_border = OneVsRestClassifier(SVC(kernel='linear', random_state=42))
ovr_clf_border.fit(X_train_border, y_train_border)
y_pred_border = ovr_clf_border.predict(X_test)
print("\n=== BorderlineSMOTE 结果 ===")
print(f'Accuracy Score: {accuracy_score(y_pred_border, y_test)*100:.2f}%')
print(classification_report(y_test, y_pred_border))

# 3. ADASYN过采样+模型训练
adasyn = ADASYN(random_state=42)
X_train_adasyn, y_train_adasyn = adasyn.fit_resample(X_train, y_train)
ovr_clf_adasyn = OneVsRestClassifier(SVC(kernel='linear', random_state=42))
ovr_clf_adasyn.fit(X_train_adasyn, y_train_adasyn)
y_pred_adasyn = ovr_clf_adasyn.predict(X_test)
print("\n=== ADASYN 结果 ===")
print(f'Accuracy Score: {accuracy_score(y_pred_adasyn, y_test)*100:.2f}%')
print(classification_report(y_test, y_pred_adasyn))

其他优化点 #

• 参数调优：三种方法的默认参数有差异，比如BorderlineSMOTE的kind参数（可选'borderline-1'/'borderline-2'）、ADASYN的n_neighbors，调整这些参数会让合成样本的分布更有区分度。
• 类别分布验证：先打印y_train.value_counts()确认训练集的不平衡程度，确保过采样确实有必要执行。
• 避免数据泄露：过采样必须只在训练集上执行，不能把测试集包含进去，这点你当前的代码是对的，继续保持。

内容的提问来源于stack exchange，提问作者Nini