Quais métodos de desajuste de dataset (reweighting, resampling)?

A desbalanceamento do conjunto de dados é um processo de redução ou eliminação de vieses (bias) que podem levar a modelos injustos ou imprecisos. Os principais métodos de desbalanceamento incluem:

1. Reponderação (reweighting) — Cada exemplo no conjunto de dados recebe um peso que reflete sua importância ou representatividade. Por exemplo, se há poucos exemplos de um determinado grupo nos dados, seus pesos são aumentados para que o modelo preste mais atenção a eles. Isso ajuda a equilibrar a influência de diferentes subgrupos.

2. Reamostragem (resampling) — Alterar a composição do conjunto de dados adicionando ou removendo exemplos:

   • Sobreamostragem (oversampling) — Aumentar o número de exemplos de classes sub-representadas (por exemplo, duplicando ou gerando novos dados).
   • Subamostragem (undersampling) — Reduzir o número de exemplos de classes dominantes.

Esses métodos ajudam a tornar a distribuição dos dados mais uniforme e a reduzir a influência de vieses, o que melhora a justiça e a qualidade do modelo.