如何在交叉验证和GridSearchCV中实现SMOTE

您需要查看管道对象。不平衡学习具有管道延伸的scikit学习管道，为fit_sample（）和样品适应（）除了fit_predict（方法），fit_transform（）和预测（）的方法scikit学习。

在这里看看这个例子：

http://contrib.scikit-learn.org/imbalanced-learn/stable/auto_examples/pipeline/plot_pipeline_classification.html#sphx-glr-auto-examples-pipeline-plot-pipeline-classification-py

对于您的代码，您需要这样做：

from imblearn.pipeline import make_pipeline, Pipeline

smote_enn = SMOTEENN(smote = sm)
clf_rf = RandomForestClassifier(n_estimators=25, random_state=1)

pipeline = make_pipeline(smote_enn, clf_rf)
    OR
pipeline = Pipeline([('smote_enn', smote_enn),
                     ('clf_rf', clf_rf)])

然后，您可以将此pipeline对象作为常规对象传递给scikit-learn中的GridSearchCV，RandomizedSearchCV或其他交叉验证工具。

kf = StratifiedKFold(n_splits=n_splits)
random_search = RandomizedSearchCV(pipeline, param_distributiOns=param_dist,
                                   n_iter=1000, 
                                   cv = kf)