목록머신러닝 클래스 불균형 (1)

미식가의 개발 일기

[머신러닝] 클래스 불균형을 해결하기 위한 샘플링(언더 샘플링, 오버 샘플링)

클래스 불균형이란?특정 클래스의 데이터 수가 다른 클래스에 비해 훨씬 적거나 많은 현상전체 데이터 중에서 90%가 클래스 A이고 10%만이 클래스 B인 경우, 모델이 단순히 "모든 데이터가 클래스 A"라고 예측해도 정확도가 90%에 달할 수 있습니다. 그러나 이 경우 모델은 클래스 B를 거의 예측하지 못하게 되어 성능 평가 지표로는 부적절합니다.이처럼 클래스 비율이 극단적으로 다를 경우 소수 클래스의 패턴을 학습하기 어렵고, 잘못된 예측 결과를 초래할 수 있습니다. 이러한 클래스 불균형 문제를 해결하기 위해 샘플링 기법이 존재합니다. 샘플링 기법데이터의 분포를 조정하여 학습 데이터 세트의 클래스 비율을 맞추는 방법!pip install imbalanced-learn※ 라이브러리 설치 필요  언더샘플링 (..
ML, DL 2024. 10. 4. 10:05
이전 Prev 1 Next 다음