미식가의 개발 일기

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 (..

데이터 불균형이란? -> 클래스 간의 샘플 수가 크게 차이나는 상황 "데이터 불균형을 해결하지 않으면 다수 클래스를 우선적으로 예측하기 되어 소수 클래스에 대한 성능이 저하될 수 있다."  데이터 불균형을 해결하기 위한 방법리샘플링(Resampling) 기법 언더샘플링(Under-sampling)다수 클래스의 샘플을 줄이는 방법   무작위 언더샘플링    "다수 클래스의 데이터 포인트를 무작위로 제거하는 방법"장점간단하고 쉬움, 빠름, 비용 효율 좋음단점중요 정보 손실 위험, 데이터 대표성과 다양성 저하 구현from imblearn.under_sampling import RandomUnderSamplerrus = RandomUnderSampler(random_state=42)X_resampled, y_r..