Sınıf dengesizliği nedir ve onunla nasıl mücadele edilir?

Sınıf dengesizliği, sınıflandırma probleminde bir sınıfın nesne sayısının diğer (veya diğerleri) sınıflara göre önemli ölçüde fazla olduğu bir durumdur. Bu, modelin daha az temsil edilen sınıfları tanımakta zorlanmasına neden olabilir, çünkü çoğunluğa göre optimize olma eğilimindedir.

Sınıf dengesizliğiyle mücadele yöntemleri:

• Yeniden örnekleme: azınlık sınıfındaki nesne sayısını artırmak (oversampling) veya çoğunluk sınıfındaki nesne sayısını azaltmak (undersampling).
• Özel metriklerin kullanımı: örneğin, F1-skore, ROC-AUC, basit doğruluk yerine.
• Dengesizliğe dayanıklı algoritmaların kullanımı: örneğin, topluluklar, sınıf ağırlıklı yöntemler.
• Sentetik veri üretimi: SMOTE gibi yöntemler, azınlık sınıfı için yeni nesneler oluşturur.

SMOTE kullanım örneği:

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

Bu, nadir sınıflardaki model kalitesini artırmaya yardımcı olur.