Sự mất cân bằng lớp học là một thách thức phổ biến trong máy học nơi một lớp vượt trội hơn số khác. sự mất cân bằng này có thể dẫn đến những mô hình thiên vị mà thực hiện kém trong các lớp thiểu số. kỹ thuật hiệu quả có thể cải thiện tính chính xác và sự công bằng mô hình.

Lập trường giữa các lớp học

Sự mất cân bằng cấp độ xảy ra khi sự phân bố các lớp trong một bộ dữ liệu không đều đặn. Chẳng hạn, trong việc phát hiện gian lận, giao dịch gian lận ít hơn những giao dịch hợp pháp. Sự mất cân bằng này có thể làm cho sự ưu đãi của lớp học đa số, giảm sự phát hiện của giai cấp thiểu số.

Công nghệ hoá sang hạng mục I: cân bằng

Một số phương pháp có thể giúp giảm thiểu vấn đề mất cân bằng giai cấp:

  • Đang sửa đổi: điều chỉnh dữ liệu bằng cách quá trình sắp xếp các lớp học thiểu số hoặc lớp học chưa sắp xếp.
  • Thế hệ dữ liệu dựa trên: sử dụng kỹ thuật như SME để tạo ra những ví dụ tổng hợp của các lớp học thiểu số.
  • Phương pháp tiếp cận Algorithmic: mô hình làm việc mạnh mẽ để làm mất cân bằng, chẳng hạn như phương pháp kết hợp.
  • Học nhạy cảm: gán chi phí phân loại cao hơn cho các lớp thiểu số.

Tính toán cho lớp học phân tích trung bình

Các chuyên gia định lượng mức độ mất cân bằng và hiệu suất mô hình.

  • Tỷ lệ cân bằng:) tỷ lệ phần lớn trong số các trường hợp giai cấp thiểu số.
  • Chương trình và Nhớ lại: đo độ chính xác của các dự đoán tích cực và khả năng tìm ra tất cả các trường hợp tích cực.
  • Điểm F1: