类别不平衡时准确率为何会误导
稀有类别陷阱
类别不平衡时准确率为何会误导 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 1 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。
令人安心的假象
准确率看起来像是显而易见的评分：预测正确了多少次。在类别均衡的数据上它确实有效，但类别不平衡会悄悄地破坏它。
类别不平衡意味着什么
当一个类别比其他类别稀少得多时，数据集就是不平衡的。想想欺诈、疾病或用户流失：真正值得关注的事件往往是少数。
99% 陷阱
假设每 1 笔欺诈交易对应 99 笔正常交易。一个每次都预测为正常的模型，竟能取得令人惊叹的99% 准确率。⚠️
但它什么也没识别出来
这个 99% 准确率的模型一次欺诈都没有标记出来。这个数字看起来很出色，但对于您要求它完成的任务而言，模型却毫无用处。
准确率掩盖了少数类
准确率会对所有行求平均，因此占绝大多数的类别会淹没少数类别。少数类即使完全预测失败，也几乎不会影响得分。
必须超越的基线
始终与多数类基线进行比较：只预测最常见的标签。如果您的模型无法超越它，就没有学到有用的东西。
快速检查现实
在庆祝之前，先问一个问题：多数类占所有行的比例是多少？这是一个懒惰模型可以轻松获得的准确率。
使用 value_counts 查看
一行代码就能揭示标签分布有多么不均衡。如果某个值远多于其他值，单看准确率就会误导您。
counts = y.value_counts(normalize=True)
print(counts) # share of each class真正的代价在哪里
漏掉少数类通常代价最大：未检测出的肿瘤或欺诈可能造成严重损失。准确率把每个错误视为同等重要，但现实并非如此。
不要只看一个数字
解决方法还不是寻找某个神奇指标，而是改变思维方式。不要再相信单一数字，而要开始关注少数类究竟表现如何。
为更好的指标做好准备
您很快就会学到专为罕见事件设计的精确率、召回率和 PR 曲线。首先，请理解为什么准确率在这里不值得信任。
快速检查
为什么在不平衡数据上，准确率可能会误导我们？
回顾
面对类别不平衡时，准确率会让忽略少数类的懒惰模型看起来很好。请超越多数类基线，并判断少数类的真实表现。🎯
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「类别不平衡时准确率为何会误导」课时是免费的吗？
是的 — 「类别不平衡时准确率为何会误导」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。
「类别不平衡时准确率为何会误导」这节课中我会学到什么？
稀有类别陷阱 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Data Science Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 1 节课，共 4 节。
「类别不平衡时准确率为何会误导」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Data Science Academy 课中编写并运行代码吗？
能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 类别不平衡时准确率为何会误导
- 重采样：SMOTE 和欠采样
- 类别权重和阈值
- 为稀有事件选择指标