Der Umgang mit unausgewogenen Daten ist eine häufige Herausforderung beim maschinellen Lernen, wenn eine Klasse die anderen erheblich übertrifft, was die Leistung prädiktiver Modelle beeinträchtigt.

Imbalanced Data verstehen

Unausgewogene Datensätze zeichnen sich durch eine unverhältnismäßige Verteilung von Klassen aus, beispielsweise bei der Betrugserkennung, die Zahl der echten Transaktionen ist bei weitem höher als bei betrügerischen. Dieses Ungleichgewicht kann dazu führen, dass Modelle die Mehrheitsklasse bevorzugen und die Erkennung von Instanzen von Minderheitenklassen reduzieren.

Praktische Techniken zum Umgang mit Ungleichgewichten

Mehrere Methoden können Datenungleichgewicht effektiv angehen:

  • Resampling: Passen Sie den Datensatz an, indem Sie Minderheitsklassen überabtasten oder Mehrheitsklassen unterabtasten.
  • Synthetische Datengenerierung: Verwenden Sie Techniken wie SMOTE, um künstliche Beispiele für Minderheitenklassen zu erstellen.
  • Algorithmische Ansätze: Verwenden Sie Modelle, die von Natur aus robust gegenüber Ungleichgewicht sind, wie Ensemble-Methoden.
  • Kostensensibles Lernen: Weisen Sie Minderheitenklassenfehlern höhere Fehlklassifizierungskosten zu.

Performance-Metriken für unausgewogene Daten

Die Bewertung von Modellen auf unausgewogenen Daten erfordert spezifische Metriken:

  • Präzision: Der Anteil der wahren positiven Vorhersagen unter allen positiven Vorhersagen.
  • Erinnern Sie sich: Der Anteil der tatsächlichen Positiven richtig identifiziert.
  • F1 Score: Das harmonische Mittel von Präzision und Rückruf.
  • AUC-ROC: misst die Fähigkeit des Modells, zwischen Klassen über Schwellenwerte hinweg zu unterscheiden.