Что такое дисбаланс классов

Дисбаланс классов — это ситуация, когда в данных один класс значительно превосходит другой по количеству примеров (например, 90% класса А и 10% класса B). Это часто встречается в задачах классификации (мошенничество, редкие заболевания) и может привести к перекосу модели в сторону мажоритарного класса.

Пример кода для проверки дисбаланса:

import pandas as pd

data = pd.read_csv('dataset.csv')
class_counts = data['target'].value_counts()
print(class_counts)

Методы борьбы:

1. Взвешивание классов (class_weight='balanced' в sklearn).
2. Сэмплирование (SMOTE для oversampling, RandomUnderSampler для undersampling).
3. Использование метрик (F1, Precision-Recall вместо accuracy).