Python中的過采樣方法有許多，其中最常用的方法是SMOTE和ADASYN。

SMOTE是Synthetic Minority Over-sampling Technique的縮寫，即合成少數類過采樣技術。SMOTE算法的基本思想是對于少數類樣本的每一個樣本xi，從它的k近鄰中隨機選擇一個樣本xj，然后在xi和xj之間的連線上隨機生成一個新樣本。

from imblearn.over_sampling import SMOTE
smote = SMOTE(k_neighbors=5)
X_resampled, y_resampled = smote.fit_sample(X, y)

ADASYN是Adaptive Synthetic Sampling的縮寫，即自適應合成采樣。ADASYN算法與SMOTE算法類似，也是首先選取少數類樣本，再合成新的少數類樣本，但是ADASYN在合成新樣本時，會根據每個少數類樣本的分布情況，給予不同的權重，從而實現自適應采樣。相比之下，ADASYN的效果更好。

from imblearn.over_sampling import ADASYN
adasyn = ADASYN(ratio='auto')
X_resampled, y_resampled = adasyn.fit_sample(X, y)

使用Python進行過采樣需要先安裝 imblearn 庫，可以在終端中使用以下語句進行安裝:

pip install imblearn