【问题标题】：Wondering which percentage below it we can say the class is not balanced?想知道低于哪个百分比我们可以说班级不平衡？
【发布时间】：2017-03-17 17:02:12
【问题描述】：
我确信这里有人经历过这样的事情...我有一个包含 4 个类的数据集，其中一个是 3% 的表示，我认为它的代表性不足，所以我做了一些重新采样的方法，但猜猜怎么了？它的分类精度没有变化，除了没有重采样方法的分类精度最多只有 1% 或 2% ！
所以我想知道数据中 3% 的类表示是否可以被认为是表示不足？
【问题讨论】：
标签：
machine-learning
classification
data-mining
cross-validation
supervised-learning
【解决方案1】：
如果我们有一个二元问题，并且分类为 97% 到 3%，那么通过始终预测第一类，您已经获得了 97% 的正确率。因此，您可以在准确度方面获得的最大提升是 3%。
您应该查看每个类别的准确度，而不是总准确度。如果这 3% 是重要的对象（例如销售，你赚钱的地方），你可能只对那一类感兴趣。
一种简单的方法是加权平均准确度。在哪里计算每个类的准确性，然后取平均值。高于“多数分类器”（总是预测多数标签）将有 50% 的加权准确度（多数类总是正确预测，少数类总是不正确）。