XG 提升不平衡数据集的结果解释（准确性& AUCROC）。

Question

我的数据集的形状是 5621*8 (二元分类)

• 实验室目标：成功(4324, 77 %) & 不成功(1297, 23 %)

  (重要的一点：我需要两个班级都有好的表现)

我把我的数据分成了3个部分（训练、验证、测试

• 对于训练&验证，我执行10个褶皱的CV。

• 测试是单独的数据，我对每个褶皱进行评估。

我调我的 scale_pos_weight 介于 5 to 80和

• 最后，我将我的数值固定为75，因为我的准确率平均较高。Test set (79 %) 为那十倍
• 但是，如果我检查我的 average auc_roc metrics it is very poor即 only 50 % for all 10 folds.

如果 我没有调整scale_pos_weight。 我的 avg.accuracy drops to 50% & my avg auc_roc increases to 70 %.

在这种情况下，我如何从上述结果中解读AUCROC &精度之间的关系？

在我的情况下，可能是什么问题？