Čo je nerovnováha tried a ako s ňou bojovať?

Nerovnováha tried je situácia v probléme klasifikácie, keď počet objektov jednej triedy výrazne prevyšuje počet objektov inej (alebo iných) tried. To vedie k tomu, že model môže zle rozpoznávať menej zastúpené triedy, pretože má tendenciu optimalizovať sa podľa väčšiny.

Spôsoby boja s nerovnováhou tried:

• Prekvalitnenie: zvýšenie počtu objektov menšej triedy (oversampling) alebo zníženie počtu objektov väčšej triedy (undersampling).
• Použitie špeciálnych metrík: napríklad F1-score, ROC-AUC namiesto jednoduchej presnosti.
• Použitie algoritmov odolných voči nerovnováhe: napríklad ansámble, metódy s vážením tried.
• Generovanie syntetických dát: metódy ako SMOTE vytvárajú nové objekty pre menšiu triedu.

Príklad použitia SMOTE:

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

Toto pomáha zlepšiť kvalitu modelu na zriedkavých triedach.