Wat is klassenonevenwichtigheid en hoe bestrijd je dat?

Klasse-imbalans is een situatie in een classificatieprobleem waarbij het aantal objecten van één klasse aanzienlijk groter is dan dat van een andere (of andere) klassen. Dit leidt ertoe dat het model mogelijk slecht minder vertegenwoordigde klassen herkent, omdat het geneigd is zich te richten op de meerderheid.

Manieren om klasse-imbalans te bestrijden:

• Oversampling: het vergroten van het aantal objecten van de minderheidsklasse (oversampling) of het verminderen van het aantal objecten van de meerderheidsklasse (undersampling).
• Gebruik van speciale metrics: bijvoorbeeld F1-score, ROC-AUC in plaats van eenvoudige nauwkeurigheid.
• Toepassen van algoritmen die bestand zijn tegen onbalans: bijvoorbeeld ensemble-methoden, gewogen klasse-methoden.
• Generatie van synthetische data: methoden zoals SMOTE creëren nieuwe objecten voor de minderheidsklasse.

Voorbeeld van het gebruik van SMOTE:

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

Dit helpt de kwaliteit van het model te verbeteren bij zeldzame klassen.