Python中过采样与上采样的区别及imblearn两种SMOTE调用差异

刚好在不平衡数据集处理这块踩过不少坑，来给你把这些问题捋得明明白白：

这俩术语经常被混用，但严格来说有明确的范围差异：

• 上采样（Upsampling） 是一个通用概念，指任何增加数据集样本数量的操作。它可以是对整个数据集的扩容（比如把所有样本复制一遍），也可以针对特定类别操作，没有限定目标。
• 过采样（Oversampling） 是上采样的一个特定子集，专门指针对少数类的上采样操作。核心目的是通过补充少数类样本，平衡不同类别的样本分布，解决分类模型天然偏向多数类的问题。比如用SMOTE生成少数类的合成样本、直接复制少数类样本，这些都属于过采样。

简单说：过采样是“定向”给少数类加样本的上采样，而上采样的范围更宽，不一定针对少数类。

你提到的两种写法，功能上完全没有区别，只是Python模块导入的方式不同而已：

1. 第一种写法：

   from imblearn.over_sampling import SMOTE
   sm = SMOTE(random_state=12, ratio = 1.0)
   

   这是直接从imblearn.over_sampling模块中导入SMOTE类，之后可以直接用类名实例化对象。
2. 第二种写法：

   # 前提是已经导入了over_sampling模块，比如：
   # from imblearn import over_sampling
   sm = over_sampling.SMOTE(random_state=12, ratio = 1.0)
   

   这种是先导入over_sampling模块，再通过模块名来访问其中的SMOTE类。

两种方式拿到的是同一个SMOTE实现，参数、方法、运行效果完全一致——就像你直接从抽屉拿螺丝刀，和先把抽屉拉出来再拿螺丝刀，拿到的是同一个工具。

其实这俩指的是同一个东西！
SMOTE是imblearn.over_sampling.SMOTE的简称，当你用from imblearn.over_sampling import SMOTE导入后，SMOTE就代表了那个完整路径下的类；而over_sampling.SMOTE只是通过模块名引用这个类的方式。本质是同一个类，没有任何功能或实现上的差异。

内容的提问来源于stack exchange，提问作者user9238790