使用RandomUnderSampler处理3D数组时遇维度错误求助

问题原因 #

imblearn库的采样器（包括RandomUnderSampler）仅支持2D特征数组（格式为(样本数量, 特征数量)），而你的特征是3D结构(276216, 101, 4)，直接传入会触发维度不匹配的报错。

解决步骤 #

核心思路是先将3D特征转换为2D完成采样，再恢复回3D结构：

1. 将3D特征展平为2D
   把每个样本的(101,4)子数组展平为一维，得到2D数组：

X_2d = train['X'].reshape(train['X'].shape[0], -1)

2. 执行欠采样
   注意使用fit_resample方法（而非fit）来获取采样后的数据：

from imblearn.under_sampling import RandomUnderSampler
undersample = RandomUnderSampler(sampling_strategy='majority')

# 若标签是二维格式，可先转为一维更稳妥
y_flat = train['y'].ravel()
X_2d_under, y_train_under = undersample.fit_resample(X_2d, y_flat)

3. 恢复3D特征结构
   将采样后的2D数组重塑回原3D格式：

X_train_under = X_2d_under.reshape(X_2d_under.shape[0], 101, 4)

验证结果 #

检查处理后的维度是否符合预期：

print(X_train_under.shape)  # 输出格式：(采样后的样本数, 101, 4)
print(y_train_under.shape)  # 输出格式：(采样后的样本数,)

内容的提问来源于stack exchange，提问作者upendra