Ubalanceret fordeling - alarm

Handlinger, du bør overveje

Træning af en model på et ubalanceret datasæt kan resultere i en mindre pålidelig model med partiske forudsigelser. Når du opretter en modelversion, gør Einstein følgende:

• øger frekvensen i minoritetsklassen ved at upsample dataene.
• rette værdier, der afspejler en ekstraordinær, ikke-tilbagevendende eller sjælden begivenhed.

Registreringsmetodologi

Modelkonstruktør advarer dig automatisk, når den registrerer en ubalanceret fordeling.

Eksempel

Et e-handelsfirma ønsker at forudsige, om dets kunder vil annullere deres abonnement eller afbryde. For at opnå dette opbygger firmaet en binær klassificeringsmodel med disse inputvariabler.

• kunde-id
• månedlig udgift
• månedlig loginfrekvens
• abonnementstype
• ejerskab
• afgang

Efter modeltræning vises der en advarsel, fordi variablen "udgår" har en uforholdsmæssig klassefordeling, hvor 95 % af kunderne er betegnet som aktive og kun 5 % som udgået. Denne ubalance kan medføre, at modellen foretrækker at forudsige "aktive" kunder, hvilket reducerer dens mulighed for nøjagtigt at identificere dem, der er afbildet (høj falsk negativ). Hvis du vil løse problemet, er der nogle handlinger, du bør overveje:

• Følg anbefalingerne fra advarslen for at afbalancere datasættet.
• Træn modellen igen med et opdateret datasæt.