У меня есть данные с 1720 уникальными классами. Количество каждого класса варьируется от 1 до 820, где 231 класс имеет число 1. Я попытался нанести удар, но он выдает ошибку «ValueError: Ожидаемые n_neighbors <= n_samples, но n_samples = 1, n_neighbors = 2». </p>
sm = SMOTE('minority',k_neighbors=1)
X_train_res, y_train_res = sm.fit_sample(X, y_Labels)
Есть ли другой способ сбалансировать класс меньшинства со значением 1?