我必须处理Class Imbalance Problem并对输入测试数据集进行binary-classification，其中大部分class-label为1（另一个class-label为0），在训练数据中-set。
例如，以下是培训数据的一部分：
93.65034,94.50283,94.6677,94.20174,94.93986,95.21071,1
94.13783,94.61797,94.50526,95.66091,95.99478,95.12608,1
94.0238,93.95445,94.77115,94.65469,95.08566,94.97906,1
94.36343,94.32839,95.33167,95.24738,94.57213,95.05634,1
94.5774,93.92291,94.96261,95.40926,95.97659,95.17691,0
93.76617,94.27253,94.38002,94.28448,94.19957,94.98924,0
最后一列是class-label - 0或1。实际的数据集非常偏离10:1类的比例，大约700个样本的class label为0，而其余6800的class label为1。
上面提到的只是给定数据集中所有样本中的一小部分，但实际数据集包含大约90%个样本class-label为1，其余class-label为0，尽管所有样本或多或少都非常相似。
哪种分类器最适合处理这种数据集？
我已尝试logistic-regression以及svm class-weight参数设置为"balanced"，但准确度没有显着提高。
答案 0 :(得分：0)
但准确度没有显着提高。
准确性不是最佳选择（例如，请参阅Accuracy paradox）。通过始终预测class-label 0，只需10：1的比例，您就可以轻松获得90％的准确度。
一些好的起点是：
尝试不同的效果指标。例如。 F1-score和Matthews correlation coefficient
＆＃34;再取样＆＃34;数据集：从代表性过低的类（过度采样）中添加示例/从过度代表的类中删除实例（欠采样;你应该有很多数据）
一个不同的观点：anomaly detection是对不平衡数据集的一个很好的尝试
另一种算法是另一种可能性，但不是银枪。可能你应该从decision trees开始（通常在不平衡的数据集上表现良好）
编辑（现在知道你正在使用scikit-learn）
来自class_weight（scikit-learn）参数的权重用于训练分类器（所以balanced可以）但是精确度是一个很差的选择，以了解它的表现如何。
sklearn.metrics模块为measure classification performance实现了多个损失，分数和效用函数。另请查看How to compute precision, recall, accuracy and f1-score for the multiclass case with scikit learn?。
答案 1 :(得分：0)
您是否尝试绘制ROC曲线和AUC曲线来检查您的参数和不同的阈值？如果没有，那应该给你一个很好的起点。