Python 在不平衡数据集中最大化多数类的预测精度

当谈到不平衡数据集时，大多数文章都会提到最大化少数群体的预测（例如欺诈检测）。我有一个不平衡的数据集（比例约为1:20）。我感兴趣的是为多数类实现最高的预测精度。我的工作是Python。我研究过的可能解决方案有：

• 少数群体的过抽样
• 更改某些分类模型的损失/成本矩阵

---

使用每种方法的优缺点是什么？还有其他方法我可以试试吗？

你想得不对。如果你所关心的只是多数阶级，你可以预测一切都属于多数阶级。你会得到100%的正确答案。你会有很多误报，但你不在乎这些，对吗

啊，如果你真的关心假阳性，那就意味着你实际上关心的是少数族裔。你对少数群体的预测越准确，误报就越少

这是一枚硬币的两面