如何为不平衡的数据集选择最佳的机器学习模型？

Question

我有一个问题陈述，其中我试图预测事件的发生，即一次发生的事件是否标记为1，是否未发生的标记为0。考虑我有一个数据集，该事件发生在时间点“ t”，事件发生的时间“ t”的计算方式为（星期几+一天中的小时）。我有大量的数据集，其中大多数时间点具有0值，而角蛋白更精确地具有1值，它们的比例为8：2。 数据集为：

我尝试了某些scikit模型，例如 Logistic回归和贝叶斯模型。我还平衡了类的权重，但没有得到预期的结果。它要么由于重量级而产生全0，要么处于平衡状态（使用scikit采样），如果我现有的输入为t-> [0,0,1,0]，它将始终预测1。

如果有人有任何想法，请帮忙。