Machine learning Sagemaker XG Boost（目标=reg:logistic）不处理高度不平衡的数据集
我正在研究AWS Sagemaker上的信用欺诈数据集。数据集高度不平衡。它只有0.1732%的欺诈交易。我想使用sagemaker的XG Boost预测给定交易是否为欺诈（1）或非欺诈（0）。当我将hyperparameter中的目标函数设置为“multi:softmax”且类数=2时，它给出了85%召回率的良好结果。当我将目标函数设置为“reg:logistic”时，我的召回率为0。它只是将每一笔交易都标记为非欺诈性交易。两个类的logistic和multi-softmax不应该给出相同的答案吗？此外，在处理不平衡的数据集时，是否有任何超参数的默认值应该更改？Machine learning Sagemaker XG Boost（目标=reg:logistic）不处理高度不平衡的数据集,machine-learning,logistic-regression,xgboost,amazon-sagemaker,Machine Learning,Logistic Regression,Xgboost,Amazon Sagemaker,我正在研究AWS Sagemaker上的信用欺诈数据集。数据集高度不平衡。它只有0.1732%的欺诈交易。我想使用sagemaker的XG Boost预测给定交易是否为欺诈（1）或非欺诈（0）。当我将hyperparameter中的目标函数设置为“multi:softmax”且类数=2时，它给出了85%召回率的良好结果。当我将目标函数设置为“reg:logistic”时，我的召回率为0。它只是将每一笔交易都标记为非欺诈性交易。两个类的logistic和multi-softmax不应该给出相同的答
谢谢对于不平衡数据集，首先要确保少数标签示例的过度表示。XGBoost使用参数
scale\u pos\u weight对于不平衡数据集，第一件事是确保少数标签示例的过度表示。XGBoost使用参数
scale\u pos\u weight