我目前正在解决一个不平衡数据集的分类问题（大约占少数类的 17%）。我使用从 sklearn（分层随机拆分）中的分层 k 折拆分来拆分数据，之后我使用 ADASYN 对训练数据进行过采样，并将过采样的训练数据（过采样后大约 250k+ 个实例）拟合到梯度提升分类器。过采样对性能有很大的影响，召回率从 7% 提高到 75%。这可能吗？如果没有，有什么想法可能会出错吗？
我对此的主要问题是这种改进是否可行？
过采样可能的改进
数据挖掘
Python
分类
阶级失衡
2022-03-04 18:58:18
1个回答
对不平衡数据集的评估应该使用多个单一指标来完成，因为您需要评估多数类和少数类的性能。
在提到的情况下，仅使用召回率（真阳性率）评估性能。可能是该模型现在专注于过采样的少数类（特别是如果它是新的多数类）并且在原始多数类上的性能较弱，我假设精度或假阴性率降低了。
有几个评估指标正在考虑对类不平衡不敏感的两个类的性能 - F1 分数、几何平均值和最常见的 ROC/PR AUC
其它你可能感兴趣的问题