在存在类不平衡的二元分类问题中，在应用欠采样/过采样或 SMOTE 技术之后，如果我们使两个类完全平衡，是否仍然约定使用 0.5 阈值？还是我们仍然应该根据我们正在尝试优化的内容来更改阈值？
在处理类别不平衡的情况下，设置不同的阈值是否有助于提高模型性能？
数据挖掘
机器学习
分类
2022-02-04 18:56:47
2个回答
如果更改阈值可以提高模型的性能，则最好更改阈值并使用最佳值。平衡数据集并不意味着您不能更改判别阈值。此外，在某些情况下，当数据最初是平衡的时，更改阈值可能非常有用，这是一个非常聪明的举措。
好与坏的比率应为 50-50，这并不是硬性规定。而是取决于您的场景，例如您有 70% 的商品和 30% 的坏品，这个比例是不错的，您的模型应该能够很好地理解数据中的模式。如果你只有 5% 到 10% 的不良率，并且你想提高模型性能，那么就需要过采样/欠采样，并且使 60-40、70-30、65-35、55-45 是不错的比率。
如果您担心过采样后每个变量的分布，那么也可以看看这篇文章。