Kas yra klasių disbalansas ir kaip su juo kovoti?

Klasės disbalansas yra situacija klasifikacijos užduotyje, kai vienos klasės objektų skaičius žymiai viršija kitos (ar kitų) klasių objektų skaičių. Tai gali lemti tai, kad modelis blogai atpažins mažiau reprezentuotas klases, nes jis linkęs optimizuotis pagal daugumą.

Būdai kovoti su klasių disbalansu:

• Perpildymas: sumažinti mažesnės klasės objektų skaičių (oversampling) arba padidinti didesnės klasės objektų skaičių (undersampling).
• Naudoti specialias metrikas: pvz., F1-score, ROC-AUC vietoje paprastos tikslumo.
• Taikyti atsparius disbalansui algoritmus: pvz., ansambliai, svorio metodai.
• Sintetiniai duomenys: metodai kaip SMOTE kuria naujus objektus mažesnei klasei.

SMOTE pavyzdys:

from imblearn.over_sampling import SMOTE
X_resampled, y_resampled = SMOTE().fit_resample(X, y)

Tai padeda pagerinti modelio kokybę retose klasėse.