我正在建立一个预测模型，在该模型上我可以预测客户是否会再次订阅。我已经有了数据集，问题是它不平衡（“否”比“是”更多）。我相信我的模型是有偏见的，但是当我检查训练集和测试集的准确性并做出预测时，准确性确实非常接近（训练集为0.8879，测试集为0.8868）。我感到困惑的原因是，如果我的模型有偏见，为什么我的训练和测试集的准确性接近？还是我的模型没有偏见？
答案 0 :(得分：0)
快速响应：是的，您的模型很有可能将所有内容预测为多数阶层。
让我们以一种更简单的方式来思考它。您在培训过程中有一个优化器，他试图使准确性最大化（使分类错误最小化）。假设您有1000个图像的训练集，并且该数据集中只有10只老虎，并且您打算学习一个分类器来区分老虎和非老虎。
优化器很可能要做的是预测每个图像的非老虎。为什么？因为它是一个简单得多的模型，并且更容易实现（在更简单的空间中更容易实现），并且准确率高达99％！
我建议您阅读有关imbalanced data问题的更多信息（这似乎是开始https://machinelearningmastery.com/what-is-imbalanced-classification/的一个很好的选择）根据您要解决的问题，您可以尝试{{1} }或down-sampling或更高级的解决方案，例如使用F1或AUC和/或进行排名而非分类来更改损失函数和指标。