Η ανισορροπία στην τάξη είναι μια κοινή πρόκληση στη μάθηση μηχανών όπου μια τάξη υπερτερεί σημαντικά των άλλων. Αυτή η ανισορροπία μπορεί να οδηγήσει σε προκατειλημμένα μοντέλα που δεν αποδίδουν καλά στις τάξεις μειοψηφίας.

Κατανόηση ανισορροπίας κλάσης

Η ταξική ανισορροπία συμβαίνει όταν η κατανομή των τάξεων σε ένα σύνολο δεδομένων είναι άνιση. Για παράδειγμα, στον εντοπισμό απάτης, οι δόλιες συναλλαγές είναι πολύ λιγότερες από τις νόμιμες. \" ανισορροπία αυτή μπορεί να προκαλέσει μοντέλα υπέρ της τάξης πλειοψηφίας, μειώνοντας τον εντοπισμό περιπτώσεων της τάξης μειοψηφίας.

Τεχνικές για την αντιμετώπιση ανισορροπίας κλάσης

Αρκετές μέθοδοι μπορούν να βοηθήσουν στον μετριασμό των προβλημάτων ταξικής ανισορροπίας:

  • Απάντηση: Προσαρμογή του συνόλου δεδομένων με την υπερδειγματοληπτική μειοψηφική τάξη ή με την υποδειγματοληπτική πλειοψηφική τάξη.
  • Συνθετικά Δεδομένα Παραγωγής: Χρησιμοποιήστε τεχνικές όπως το SMOTE για να δημιουργήσετε συνθετικά παραδείγματα μειονοτικών τάξεων.
  • Αλγορίθμικες προσεγγίσεις: Εργαστήρια που είναι ισχυρά στην ανισορροπία, όπως οι συνδυασμένες μέθοδοι.
  • Ευαίσθητη στην Cost μάθηση: Αναθέστε υψηλότερο κόστος λανθασμένης ταξινόμησης στις μειονοτικές τάξεις.

Υπολογισμός της εκτίμησης της ανισορροπίας της κατηγορίας

Οι μετρικοί βοηθούν στην ποσοτικοποίηση της έκτασης της ανισορροπίας και της απόδοσης του μοντέλου.

  • Λόγος ανισορροπίας: Λόγος του αριθμού της πλειοψηφίας σε περιπτώσεις μειοψηφίας.
  • Ακριβής και Ανακλώμενη: Μετρήστε την ακρίβεια των θετικών προβλέψεων και την ικανότητα να βρείτε όλες τις θετικές περιπτώσεις.
  • F1 Βαθμολογία: Αρμονικός μέσος ακρίβειας και ανάκλησης, εξισορρόπηση και των δύο μετρικών.