问具有不平衡数据集问题的二进制分类

EN

我有一个5000行的特征数据集，我想对其进行二进制分类。我有两个类向量：

Y1 -这些类是相当均衡的(0 - 52%/ 1- 48%) Y2 -这些类非常不平衡(0 - 90%/1 - 10%)

我已经将数据集划分为一个训练集(4000个样本)和一个测试集(1000个样本)。

然后，我编写了简单的代码来获得dataset X和类向量Y，并使用len = 2 X number of minority class创建了一个平衡的数据集。

例如，在上面的训练数据集中，使用90%/10%的类向量，将产生4001s和3200个样本，因此它将创建一个新的800个样本数据集，其中包含原来的400个1类样本和400个随机选择的0类样本，这将是平衡的。

因此，从一个4,000个样本不平衡训练集中，我得到了一个800个样本平衡数据集，并将其用于学习算法的训练。

然后，我使用在另外1000个样本(测试集)上创建的模型。

我在两个类向量上运行了平衡代码--平衡的和不平衡的(尽管我在平衡类向量中不需要它)。

当使用平衡类向量时，我得到了1,000个样本测试集的混淆矩阵：

[339 126

288 246]

     precision    recall  f1-score   support

0.0       0.54      0.73      0.62       465
1.0       0.66      0.46      0.54       534
avg / total 0.61 0.59 0.58 999

当使用不平衡类向量时，我得到了1,000个样本测试集的混淆矩阵：

[574 274

73 78]

     precision    recall  f1-score   support

0.0       0.89      0.68      0.77       848
1.0       0.22      0.52      0.31       151
avg / total 0.79 0.65 0.70 999

如你所见，1级的精度很低。

我还使用了包不平衡-学习中的几种算法来创建一个平衡的数据集(比如欠采样、使用聚类质心，或者使用平滑支持向量机进行过采样)，但是结果总是一样的--第一类(少数类)的精度仍然很低。

你能告诉我在这种情况下你会怎么做吗？我的目标是尝试将不平衡的类向量中的1级精度提高到0.6左右，就像在平衡类向量中的精度一样。