น้ำหนักคลาสและค่าเกณฑ์

คุณสามารถจัดการความไม่สมดุลได้โดยไม่แตะต้องข้อมูลเลย กลไกฝั่งโมเดลสองอย่างที่ช่วยได้คือ น้ำหนักคลาสและค่าเกณฑ์การตัดสินใจ

น้ำหนักคลาสบอกโมเดลว่าความผิดพลาดในคลาสหายากมีผลเสียมากกว่า โมเดลจึงถูกลงโทษหนักขึ้นเมื่อพลาดแถวของคลาสส่วนน้อย

โมเดลจำนวนมากใน scikit-learn ยอมรับ class_weight ที่ตั้งเป็น balanced ระบบจะให้น้ำหนักแต่ละคลาสโดยอัตโนมัติในทิศทางตรงข้ามกับความถี่ที่คลาสนั้นปรากฏ

น้ำหนักคลาสปรับรูปแบบของค่าความสูญเสียแทนการปรับชุดข้อมูล ไม่มีการเพิ่มหรือลบแถว คุณจึงยังคงมีข้อมูลเดิม ทั้งหมด

ตัวจำแนกส่วนใหญ่จะทำนายความน่าจะเป็น แล้วกำหนดเป็นค่าบวกหากสูงกว่า 0.5 เกณฑ์เริ่มต้นนี้เป็นเพียงตัวเลือก ไม่ใช่กฎตายตัว

ลดค่าเกณฑ์ แล้วโมเดลจะติดธงค่าบวกได้ง่ายขึ้น วิธีนี้ตรวจจับกรณีหายากได้มากขึ้น แต่ต้องแลกกับสัญญาณเตือนลวงที่เพิ่มขึ้น

หากต้องการปรับค่าเกณฑ์ ให้ขอความน่าจะเป็นจากโมเดลแทนป้ายกำกับแบบตายตัว จากนั้นใช้ค่าเกณฑ์ของคุณเองกับคะแนนเหล่านั้น

ค่าเกณฑ์ที่ต่ำลงช่วยเพิ่ม recall แต่ลด precision การเพิ่มค่าเกณฑ์ให้ผลตรงกันข้าม จุดที่เหมาะสมขึ้นอยู่กับว่าความผิดพลาดแบบใดมีต้นทุนสูงกว่า

หากการพลาดการฉ้อโกงมีผลเสียมากกว่าการแจ้งเตือนลวงอย่างมาก ให้เลือกค่าเกณฑ์ที่ ต่ำลง เพื่อไม่ให้พลาดคลาสหายาก

น้ำหนักคลาสและการปรับค่าเกณฑ์ทำงานร่วมกันได้ดี ให้น้ำหนักคลาสหายากระหว่างการฝึก แล้วเลือกค่าเกณฑ์ที่สอดคล้องกับต้นทุนจริงของคุณ

เลือกค่าเกณฑ์โดยใช้ข้อมูลตรวจสอบ ไม่ใช่ชุดทดสอบ จากนั้นใช้ค่าเกณฑ์เดิมที่กำหนดตายตัวเพื่อให้ได้คะแนนสุดท้ายที่ ตรงไปตรงมา

หากไม่สุ่มตัวอย่างใหม่ น้ำหนักคลาสจะลงโทษความผิดพลาดของคลาสหายาก ส่วนค่าเกณฑ์ที่ปรับแล้วจะแลก recall กับ precision ให้เหมาะกับต้นทุนของคุณ 🎯