我现在有一个非常大的数据集。响应变量是二进制1/0。不良人口规模只占整个数据集的很小一部分。良好的人口规模是8,000,000。标记为1的不良人口规模仅为7,000。
我使用了决策树，这个决策树将这些特征作为输入，然后将个体分类为1或0。
因为人口规模非常大。 R无法有效处理所有数据。所以我决定随机抽取一些好样品。但我想保留所有不良样品。所以我选择了8000个好的样本，并包括了所有7000个不良样本。因此，我有15,000个样本。我随机将它们分成训练和测试数据集。在训练集上训练决策树之后，我将测试数据拟合到训练模型中，结果变得很有希望。
然而，我真的很担心这种模式现在对整个人口的影响。虽然我比较了良好样本和良好种群的不同变量条件下的分布，但良好样本的分布与良好的种群非常一致。
因为好样本和坏样本在采样数据中的权重相等，所以＆＃34; BAD＆＃34;在训练模型时被夸大了，我在想＆＃34; BAD＆＃34;不会＆＃34;坏＆＃34;如果整个数据适合模型，因为坏部分太小。你认为这是该模型潜在的失败问题吗？您有什么建议可以解决这个问题吗？