我正在尝试的 Kaggle 比赛中有一个不平衡的数据集。数据集的目标变量是二进制的，它偏向于 0。 0 - 70% 1 - 30% 我尝试了几种机器学习算法，如逻辑回归、随机森林、决策树等。但所有这些算法的准确率都在 70% 左右. 似乎模型总是倾向于预测 0。所以我尝试了几种方法来获得如下所示的无偏数据集。
但是所有这些步骤都降低了准确性而不是提高了准确性。曲线下面积和精度有所提高，但不幸的是我必须以某种方式提高精度才能赢得比赛。
因此，如果您能告诉我有关提高不平衡数据集准确性的技术，我将不胜感激。
根据您的评论，我将在这里详细说明（基本上评论太长了）
准确性可能不是衡量模型性能的好方法。想象一下 99 个“0”和 1 个“1”的问题。始终显示“0”的模型将具有 99% 的准确率，并且是无用的，因为您想检测“1”。一个模型给你 10 '1' 包括真正的模型要好得多，但准确度要低得多。
然后，您必须正确定义您的问题，并根据它更改指标。例如，在这些情况下有用的指标之一可能是 AUC，因为它不受不平衡数据集的影响。
因此，您可以应用的一种方法是尝试最大化 AUC，当您找到好的模型时，在您的测试中手动选择 30% 得分最高的特征。如果你在你的选择中找到了一半的真“1”，这已经是一个非常好的结果（根据问题的难度），而准确性会更差。
你真的必须调整你试图最大化你的问题的指标：因为在这里，有更多的可能性是'0'而不是'1'，准确度非常好，分类器总是猜测'0'，并调整你的模型跟随准确性可以将您变成这样的分类器。