不平衡数据集的采样率

Question

我有一个不平衡的数据集，它有两个类（+1，-1）。积极因素只占数据集的7％。

我想使用Desicion Trees进行分类。我尝试将负片下采样到：

1. 相同大小的积极因素
2. 积极因素的两倍或三倍。

对于所有这些我得到了几乎相同的精确度，但是对于第一个样本（负数与正数相同的负数），积极的召回要好得多。但我觉得我在这里遗漏了一些东西，所以这次采样有什么不好？

Answer 1

对一个显性类进行下采样是相当普遍的。

但你需要确保解决实际问题。

如果您将课程下采样到1：1的比例，可能会使某些评估看起来不错，但这仍然反映现实吗？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＆＃34;误报＆＃34;花了你很多钱，这可能是一个问题。