不平衡的数据集无法产生良好的“精度”或“召回率”

Question

数据集极不平衡，阳性结果与阴性结果相比大约只有10％。例如：（0-11401，1- 1280）。

我尝试了
1. RandomForestClassifier与GridSearchCV-超参数调整。
2.带有class_weight="balanced"
的加权RandomForest 3.受罚的SVC
4.上采样和下采样

尽管如此，我在上述任何一种方法中都无法获得很好的精度或召回率。 我知道患病率与PPV有关。而且我的数据集的等级为-1。另外，Random Forest可能会占多数。

但是我希望采样应该工作，但是没有。我想念什么吗？任何建议将不胜感激。

Answer 1

一些方法可以帮助您：

• 预测概率并进行手动阈值设置。
• 更改您正在使用的损耗/指标。
• 对于不平衡数据集（异常值检测），您不应使用class_weight = balance，而应将更多权重应用于异常值。
• 尝试其他算法，看看是否有更好的算法（如果要坚持使用基于树的解决方案，请使用XGBoost，catboost，lightgbm）
• 我们还可以使用tpot在sklearn中为您的特定数据集找到最佳算法

告诉我是否有任何帮助