是的，可以做到，但是可以使用Pipeline。
您会看到，imblearn有自己的管道来正确处理采样器。我在一个类似的问题中对此进行了描述。
在对象
predict()上
imblearn.Pipeline调用时，它将跳过采样方法，并保留将要传递给下一个转换器的数据。您可以通过在此处查看源代码来确认这一点]
if hasattr(transform, "fit_sample"): pass else: Xt = transform.transform(Xt)
因此，要使其正常工作，您需要以下内容：
from imblearn.pipeline import Pipelinemodel = Pipeline([ ('sampling', SMOTE()), ('classification', LogisticRegression()) ])grid = GridSearchCV(model, params, ...)grid.fit(X, y)根据需要填写详细信息，管道将处理其余的工作。
