课堂学习失衡

Question

我正在处理一个不平衡的类分类问题，其中我的不平衡比率为0：1 = 717.26：1。我尝试了许多模型，发现GBM最适合我的情况。

我碰到一篇研究论文和一篇文章来解决班级失衡问题。

Facing Imbalanced Data Recommendations for the Use of Performance Metrics

Handling Class Imbalance with R and Caret - Caveats when using the AUC

在以上论文和文章中，我发现他们说的是相反的话。

它说：“我们发现，除了 ROC曲线，所有性能指标均被衰减 分配不平衡；在许多情况下，情况非常如此。 Alpha和Kappa措施均受两种方法中偏斜的影响 方向;而F1成绩仅受偏斜影响 在一个方向上。尽管ROC不受偏斜影响， 精确召回曲线表明ROC可能掩盖了不良 性能”，这意味着AUC PR也会受到影响，如图所示

Dan Martin（作者）在文章中表示，不应仅使用AUC ROC选择最佳分类器。处理不平衡的课堂学习时，我们也应该将AUC PR当作图片。

现在我的问题是，如果我认为研究论文的结果是正确的，那将与所提到的论文结果相矛盾。

那么有人可以说出哪个应该被认为是正确的吗？

很抱歉，这个冗长的问题。

谢谢！