我是神经网络的新手，我对输入数据有疑问（使用LightGbm算法）
问题在于我的输入数据为95％的负数，而只有5％的正数（我有兴趣寻找积极的数据）
使用此数据时，AUC为0.55时，我的准确度为95.5％。在我的新数据测试中，正确地猜出了0/5。
在测试3中，我尝试制作一个阴性数据量同样为正值（相应地，数据量减少）的样本后，准确度为75％，AUC得分为0.7。推测有/ 5项积极数据
我认为，由于我正在针对大多数负面数据训练我的模型，因此这导致该模型从不学习如何正确识别正面信息。如何处理班级不平衡的问题？