想知道低于它的哪个百分比，我们可以说这个课程不平衡？

Question

我确信这里有人经历过这样的事情......我有一个包含4个类的数据集，其中一个是3％的表示，我认为它代表性不足，所以我做了一些重采样方法，但猜猜怎么了？它的分类精度没有变化，只有在没有重采样方法的情况下，分类精度仅为1％或2％！ 所以我想知道数据中3％的类表示是否可以被认为是代表性不足？

Answer 1

如果我们有二进制问题，并且97％到3％的类，那么你总是通过预测第一个类来获得97％的正确率。因此，您可以获得的最大改进是3％。

而不是完全准确性，您应该考虑每个级别的准确性。如果3％是重要的对象（例如销售，你赚钱的地方），你可能只对这一类感兴趣。

一种简单的方法是加权平均准确度。在计算每个类的准确度的地方，然后是平均值。上面的“多数分类器”（总是预测大多数标签）将具有50％的加权准确度（大多数类总是正确预测，少数类总是不正确）。