我的数据有一个极端的类别不平衡——99.7% 是 0，0.2% 是 1，几乎所有的预测变量（7 个中有 6 个）都是分类的。在执行上采样（在 R 中使用 ROSE）后，我训练了一个 xgboost 分类器。在 20% 的测试数据上评估模型，结果如下：

如您所见，回忆并不是很好。此外，如果我在完全不同的测试数据（意味着不是原始数据的一部分）上运行模型，那么召回值恰好下降到 50%。发生这种情况是因为它过度拟合吗？考虑到极端的阶级不平衡，有人可以告诉我如何改进这个模型吗？

我是该领域的新手。任何帮助将非常感激。谢谢！