我正在构建一个模型来对电子邮件内容进行分类，以决定电子邮件是否应该导致 JIRA 票证被“提出”或“未提出”。我遇到的问题是数据高度不平衡，只有大约 11% 被归类为“已提高”。到目前为止，随机森林分类器提供了最高水平的准确度，但真正的正率/召回率约为 40%，我似乎无法在此基础上增加。我已经获得了一个短语列表，这些短语应该包含在电子邮件内容中，那么很可能需要提高票证。正在寻找一些关于基于短语匹配创建新功能的最佳方法的提示？有没有人对这样做的最佳方法有任何经验？