Machine learning 罕见事件的ML分类问题总是预测0
我有一个ML问题。我有一个机器学习分类任务，其中分类为-1、0或1。实际上，绝大多数情况下正确的分类是0，大约1%的情况下，答案是-1或1 当进行训练时（我使用auto_ml，但我认为这是一个普遍的问题），我发现我的模型决定，通过每次预测0，它可以获得99%的准确率 这是已知的现象吗？除了提出更多的分类，我还能做些什么来解决这个问题吗？也许是把0分成不同类的东西 任何关于下一步阅读内容的建议或指点都将不胜感激Machine learning 罕见事件的ML分类问题总是预测0,machine-learning,classification,automl,Machine Learning,Classification,Automl,我有一个ML问题。我有一个机器学习分类任务，其中分类为-1、0或1。实际上，绝大多数情况下正确的分类是0，大约1%的情况下，答案是-1或1 当进行训练时（我使用auto_ml，但我认为这是一个普遍的问题），我发现我的模型决定，通过每次预测0，它可以获得99%的准确率 这是已知的现象吗？除了提出更多的分类，我还能做些什么来解决这个问题吗？也许是把0分成不同类的东西 任何关于下一步阅读内容的建议或指点都将不胜感激 谢谢。您应该更深入地查看数据集。看起来，您的数据集不平衡。可能的解决办法： 尝试平衡
谢谢。您应该更深入地查看数据集。看起来，您的数据集不平衡。可能的解决办法：
- 尝试平衡数据集-使用标签1和-1添加更多数据，或使用标签0减少行数
- 如果无法使数据集保持平衡，请尝试更改方法。您可以假设标签1和-1是异常值，并尝试解决查找异常值的问题。以下是如何使用库scikit learn处理异常值
你可以试着在你的训练集中加入更多的罕见病例。不过，你用了“事件”这个词，这让我想知道你是否在做某种时间序列分析——这是某种循环网络吗？如果是这样的话，用更多的罕见事件进行训练可能是不现实的。您刚刚偶然发现了一个班级不平衡的问题；谷歌和开始挖掘（这是一个完整的子领域）。。。