我想用 2 个类进行分类。当我在没有打击的情况下进行分类时，我得到：

Precision       Recall            f-1
0,640950987     0,815410434       0,714925374

当我使用smote时：（以200%和 k = 5 对少数类进行过采样）

Precision        Recall           f-1
0,831024643      0,783434343      0,804894232

如您所见，这很好用。

但是，当我在验证数据（没有任何合成数据）上测试这个训练有素的模型时

Precision        Recall           f-1
0,644335755      0,799044453      0,709791138

这太可怕了。我使用随机决策森林进行分类。

有谁知道为什么会这样？任何关于额外测试的有用提示，我都可以尝试获得更多见解，也欢迎。

更多信息：我不接触大多数班级。我在 Python 中使用 scikit-learn 和这个用于 smote 的算法。

测试数据（具有合成数据）的混淆矩阵：

相同模型的验证数据上的混淆矩阵（真实数据，非 SMOTE 生成）

编辑：我读到问题可能在于创建了 Tomek Links 的事实。因此，我编写了一些代码来删除tomek 链接。虽然这并没有提高分类分数。

Edit2：我读到问题可能在于重叠太多。对此的解决方案是更智能的合成样本生成算法。因此我实施

ADASYN：不平衡学习的自适应综合采样方法

我的实现可以在这里找到。它的表现比smote差。