numpy数组执行欠采样触发ValueError报错的修复咨询

报错根因 #

两个报错的核心问题是对imblearn采样器的输入要求理解有误，同时代码存在逻辑错误：

• 第一个y should be a 1d array报错：imblearn内置的SMOTE、RandomUnderSampler等采样方法原生仅支持单标签分类场景，要求传入的标签y是形状为(n_samples,)的一维数组，每个元素对应一个样本的类别。传入的y形状为(1000, 180)，是二维结构，不符合输入规范。
• 第二个inconsistent numbers of samples报错：调用y.ravel()会把(1000,180)的二维数组直接展平成长度为180000的一维数组，而特征X的样本数只有1000，两者样本数量完全不匹配，自然触发报错。
• 额外逻辑错误：注释说明要使用SMOTE做采样，但实际初始化的是随机欠采样器RandomUnderSampler，和预期目标不符；且采样完成后拆分数据集时传入的还是原始未采样的X,y，等于采样操作完全没有生效。

修复方法 #

根据实际任务场景二选一即可：

场景1：做多标签分类任务（每个样本对应180个标签） #

这种场景下不要手动展平标签，使用imblearn提供的多标签采样封装器MultiLabelSampler即可直接支持二维标签输入，参考代码：

from imblearn.over_sampling import SMOTE
from imblearn.under_sampling import RandomUnderSampler
from imblearn.multioutput import MultiLabelSampler
from sklearn.model_selection import train_test_split

# 初始化需要的基础采样器，这里用原本要使用的SMOTE过采样
base_sampler = SMOTE(random_state=1)
# 如果确实要做随机欠采样，替换成下面这行即可
# base_sampler = RandomUnderSampler(sampling_strategy='majority', random_state=1)

# 封装为支持多标签的采样器
sampler = MultiLabelSampler(sampler=base_sampler, random_state=1)
# 执行采样，输出的X_resampled、y_resampled会自动保持样本和标签的对应关系
X_resampled, y_resampled = sampler.fit_resample(X, y)

# 采样完成后再拆分数据集，注意传入采样后的数据
x_train, x_test, y_train, y_test = train_test_split(X_resampled, y_resampled, test_size=0.01, random_state=1)

场景2：实际做单标签分类任务，y的形状是误生成的 #

如果任务里每个样本只对应1个类别标签，(1000,180)的y形状是处理失误导致的，先把y修正为长度1000的一维数组，再执行采样即可，参考代码：

from imblearn.over_sampling import SMOTE
from sklearn.model_selection import train_test_split

# 先把y修正为形状(1000,)的一维数组，下面这行是示例，根据实际标签逻辑调整
# 比如如果y每一行都是重复的同一个标签，取第一列即可
y_correct = y[:, 0]

# 执行SMOTE采样
smote = SMOTE(random_state=1)
X_resampled, y_resampled = smote.fit_resample(X, y_correct)

# 拆分数据集
x_train, x_test, y_train, y_test = train_test_split(X_resampled, y_resampled, test_size=0.01, random_state=1)

注意事项 #

• 不要对二维标签直接调用ravel()展平，该操作会彻底打乱样本和标签的对应关系，无法用于采样。
• 采样操作需要在数据集拆分之前执行，或者仅对训练集做采样，禁止在拆分前对全量数据采样后再拆分（会引入数据泄露），更不要采样后还用原始数据做拆分。

内容的提问来源于stack exchange，提问作者tanmay