我是机器学习的新手，需要帮助。我有两个类别（0,1）的数据集，其中0是可获利的，1是不可获利的。火车中0：1的比例是150/52
将阳性表示为“ 1”（无利润），将阴性表示为0（可盈利），假阴性成本为4900，假阳性成本为4000。 目标是使f（利润）= 4000 *（真否定数-误正数）-（4900 *假否定数）最大化，以便至少> 1775 $（无任何模型的基本利润）
借助EDA，我认为雇主的工作年限，债务/收入比率和年龄是最重要的预测指标。 使用scale_pos_weight = 3的xgboost可以在训练集上获得出色的结果，但是在测试集上却表现不佳（过度拟合）。
无论我尝试多少，我都无法将测试集的利润提高到超过1375美元（如上所述，至少需要> 1775美元）
即使具有损失功能的rpart也无济于事...任何人都可以提供任何输入
但是如果我采用其他方法（即仅对雇主在<20年的年份进行观察），然后在培训和测试集上应用glm或rpart的结果确实很棒，但这是这种方法吗？哪有吧？ （之所以这样做，是因为EDA表示所有无利可图的客户在火车上的年薪都是“雇主<20岁”）