ターゲット変数が不均衡な場合は、次の手法を適用してモデルのパフォーマンスを向上させることができます。
ただし、これらの技法が常に性能向上につながるわけではないので、適用前後の性能を必ず比較してみることが重要です。
ここで「不均衡」とは、次のような状況です。
バイナリ分類では、0と1の比率が90:10のように一方のクラスが著しく少ない場合
マルチクラス分類では、A、B、Cの比率が45:45:10のように、特定のクラスの比重が著しく低い場合
1.stratifyオプションを利用したデータ分割
trainデータをtrain_test_splitに
分割時にstratify=targetオプションを使用すると、クラス比を維持したままデータを分割できます。
アンバランスデータでは、特定のクラスのサンプルが少なすぎて学習が困難になる可能性があり、これを防ぐのに役立ちます。
target = train.pop('타겟 컬럼') train_test_split(train,target, test_size=0.2, random_state=0, stratify=target)2.class_weight='balanced' オプションを使用したランダムフォレスト
ランダムフォレストモデルを学習するときにclass_weight='balanced'を設定すると、各クラスのサンプル数に応じて行きます。
重さを自動的に調整することで、不均衡の問題を軽減できます。
RandomForestClassifier(random_state=0, class_weight='balanced')3.is _unb alance=True オプションを活用した LightGBM
LightGBM ではis_unbalance=Trueを設定すると内部的にクラスの分布を考慮して学習が進行
なる。つまり、サンプル数が少ないクラスに高い重みを与え、モデルがそのクラスを無視しないようにします。
する。
lgb.LGBMClassifier(random_state=0,verbose=-1,is_unbalance=True)実務では、これよりはるかに極端な不均衡データを扱うことが多い。
たとえば、詐欺取引は、99：1の比率のように、一方のクラスの比重が非常に小さい場合も一般的です。
このように不均衡なデータをそのまま学習に使用すると、モデルが少数クラスの予測を正しくできず、全体的なパフォーマンスが大幅に低下する可能性があります。さまざまな方法がありますが、その中で最も簡単に試すことができる方法です。
ファイティング💕
（上記内容は必須内容ではなく深化内容です。）