在不平衡數據集中最大化多數類別的預測准確性

Question

當談論不平衡的數據集時，大多數文章會提到最大化少數群體類別的預測（例如，用於欺詐檢測）。 我有一個不平衡的數據集（比率約為1:20）。 我有興趣在大多數班級達到最高的預測精度的地方。 我的工作是在Python中進行的。 我研究過的可能解決方案是：

• 少數群體的過度采樣
• 更改某些分類模型的損失/成本矩陣

使用每種方法的優缺點是什么？ 我還有其他方法可以嘗試嗎？

Answer 1

您在想這是錯誤的方式。 如果您關心的只是多數階級，那么您就可以預測一切都屬於多數階級。 您會正確地獲得其中的100％。 您可能會有很多誤報，但您不在乎這些嗎？

嗯，如果您確實關心誤報，那實際上意味着您實際上關心的是少數群體。 您正確預測的少數群體中的事情越多，您的假陽性就越少。

這是同一枚硬幣的兩個面。