sklearn管道如何使用不平衡库？

Question

我正在尝试解决文本分类问题。 我想使用MultinomialNB创建基线模型

我的数据在少数类别中是高度不平衡的，因此决定将不平衡库与sklearn管道一起使用，并参考本教程 。

按照文档中的建议在管道中引入了两个阶段之后，该模型失败并给出了错误。

from imblearn.pipeline import make_pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.naive_bayes import MultinomialNB
from imblearn.under_sampling import (EditedNearestNeighbours,
                                     RepeatedEditedNearestNeighbours)
# Create the samplers
enn = EditedNearestNeighbours()
renn = RepeatedEditedNearestNeighbours()

pipe = make_pipeline_imb([('vect', CountVectorizer(max_features=100000,\
                                         ngram_range= (1, 2),tokenizer=tokenize_and_stem)),\
                         ('tfidf', TfidfTransformer(use_idf= True)),\
                          ('enn', EditedNearestNeighbours()),\
                          ('renn', RepeatedEditedNearestNeighbours()),\
                          ('clf-gnb',  MultinomialNB()),])

错误：

TypeError: Last step of Pipeline should implement fit. '[('vect', CountVectorizer(analyzer='word', binary=False, decode_error='strict',

有人可以帮忙吗？ 我也愿意使用（Boosting / SMOTE）实现的不同方式吗？

Answer 1

似乎来自“ mblearn”的管道不支持像sklearn中的命名一样。 从imblearn文档中 ：

* steps：估算器列表。

您应该将代码修改为：

pipe = make_pipeline_imb( CountVectorizer(max_features=100000,\
                                         ngram_range= (1, 2),tokenizer=tokenize_and_stem),\
                         TfidfTransformer(use_idf= True),\
                         EditedNearestNeighbours(),\
                         RepeatedEditedNearestNeighbours(),\
                         MultinomialNB())