不平衡数据集的采样率

Question

我有一个不平衡的数据集，有两个类（+1，-1）。积极因素仅为数据集的7％。

我想使用决策树进行分类。我已经尝试将负片下采样到：

1. 同样大小的积极因素
2. 积极的大小的两倍或三倍。

对于他们所有人来说，我得到了几乎相同的精确度，但是对于第一个样本（正数与负数相同的负数），对正数的回忆要好得多。但我觉得我在这里遗漏了一些东西，所以这次抽样有什么不好？

Answer 1

对优势类进行下采样是相当普遍的。

但是你需要确保解决你的实际问题。

如果你将你的课程下采样到1：1的比例，这可能会使某些评估看起来很好，但这仍然反映了现实吗？您对分类器进行了培训，以便在50％的病例中预测阳性，但只有3％为阳性。如果“误报”花了你很多钱，这可能是一个问题。