python中导入数据并用Borderline-SMOTE，不分训练集和测试集

下面是一个使用Borderline-SMOTE进行过采样的例子，它导入数据集并将其划分为训练集和测试集。

from imblearn.over_sampling import BorderlineSMOTE
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 使用Borderline-SMOTE进行过采样
smote = BorderlineSMOTE()
X_resampled, y_resampled = smote.fit_resample(X, y)

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_resampled, y_resampled, test_size=0.2)

如果你不想分割数据集，可以直接使用整个数据集进行训练和测试。

from imblearn.over_sampling import BorderlineSMOTE
from sklearn.datasets import load_iris

# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target

# 使用Borderline-SMOTE进行过采样
smote = BorderlineSMOTE()
X_resampled, y_resampled = smote.fit_resample(X, y)

# 训练模型
model = ...

# 在整个数据集上进行测试
y_pred = model.predict(X_resampled)