Как исправить ошибку сэмплов <K-neighbours при передискретизации с помощью SMOTE?

Я разрабатываю многоклассовый классификатор для 11 этикеток. Я использую SMOTE для решения проблемы выборки. Однако я сталкиваюсь со следующей ошибкой: -

Ошибка в SMOTE

from imblearn.over_sampling import SMOTE
sm = SMOTE(random_state=42)
X_res, Y_res = sm.fit_sample(X_f, Y_f)

ошибка

~/.local/lib/python3.6/site-packages/sklearn/neighbors/base.py in kneighbors(self, X, n_neighbors, return_distance)
    414                 "Expected n_neighbors <= n_samples, "
    415                 " but n_samples = %d, n_neighbors = %d" %
--> 416                 (train_size, n_neighbors)
    417             )
    418         n_samples, _ = X.shape

ValueError: Expected n_neighbors <= n_samples,  but n_samples = 1, n_neighbors = 6

Почему он говорит, что у меня есть только 1 n_samples?

Когда я попробовал тот же код для гораздо меньшего набора данных из 100 тыс. строк (и всего 4 метки), он работал нормально.

подробности о вводе

входные параметры

X_f

array([[1.43347000e+05, 1.00000000e+00, 2.03869492e+03, ...,
        1.00000000e+00, 1.00000000e+00, 1.35233019e+03],
       [5.09050000e+04, 0.00000000e+00, 0.00000000e+00, ...,
        5.09050000e+04, 0.00000000e+00, 5.09050000e+04],
       [1.43899000e+05, 2.00000000e+00, 2.11447368e+03, ...,
        1.00000000e+00, 2.00000000e+00, 1.39707767e+03],
       ...,
       [8.50000000e+01, 0.00000000e+00, 0.00000000e+00, ...,
        8.50000000e+01, 0.00000000e+00, 8.50000000e+01],
       [2.33000000e+02, 4.00000000e+00, 4.90000000e+01, ...,
        4.00000000e+00, 4.00000000e+00, 7.76666667e+01],
       [0.00000000e+00, 0.00000000e+00, 0.00000000e+00, ...,
        0.00000000e+00, 0.00000000e+00, 0.00000000e+00]])

Y_f

array([[1., 0., 0., ..., 0., 0., 0.],
       [1., 0., 0., ..., 0., 0., 0.],
       [1., 0., 0., ..., 0., 0., 0.],
       ...,
       [1., 0., 0., ..., 0., 0., 0.],
       [1., 0., 0., ..., 0., 0., 0.],
       [0., 0., 0., ..., 0., 0., 1.]])

размерность входных параметров

print(X_f.shape, Y_f.shape)
(2087620, 31) (2087620, 11)

мои попытки использовать другие техники пакета imblearn

Отладка метода SMOTE fit_resample() Я знаю, что SMOTE работает путем синтеза выборок меньшинства с использованием евклидова расстояния между ближайшими соседями точки данных меньшинства. Поэтому я распечатал переменную n_samples в файле ../python3.6/site-packages/sklearn/neighbors/base.py. Он показывал неуклонно уменьшающиеся выборки с 5236 -> 103 -> 3, после чего я получил ошибку. Я не мог понять, что происходит.

1. Использование SVMSMOTE: - Вычисление занимает слишком много времени (более 2 дней), и компьютер выходит из строя.
2. Использование RandomOverSampler: - Модель дает низкую точность, 45%
3. Использование разных sampling_strategy:- работает только для minority.
4. Также из предложенных предложений здесь и здесь., безуспешно. Я не мог их понять, если честно.
5. Такая же ошибка была получена, когда я уменьшил набор данных до 100 тыс., 1 тыс. и 5 тыс. строк.

Несмотря на попытки, я мало что понимаю. Я новичок в выборке. Можете ли вы помочь мне решить эту проблему, пожалуйста?