不均衡な分布アラート

考慮すべきアクション

不均衡なデータセットでモデルをトレーニングすると、予測にバイアスがかかってモデルの信頼性が低下する可能性があります。モデルバージョンを作成すると、Einstein は次の処理を実行します。

• データのアップサンプリングにより、小数クラスの頻度を増やす。
• 異常なイベント、定期的でないイベント、または頻繁ではないイベントを反映する正しい値。

検出方法

不均衡な分布が検出されると、モデルビルダーによって自動的にアラートが表示されます。

例

ある E コマース会社は、顧客がサブスクリプションをキャンセルするか離脱するかを予測したいと考えています。これを実現するために、会社は次の入力変数を使用してバイナリ分類モデルを作成します。

• 顧客 ID
• 月間コスト
• 毎月のログイン頻度
• サブスクリプション種別
• 在職期間
• 離脱

モデルのトレーニング後、変数「離脱」のクラス分布が不均衡で、顧客の 95% が有効、5% のみが離脱と表示されているため、アラートが表示されます。この不均衡により、モデルは「有効な」顧客を優先的に予測し、離脱した顧客を正確に識別する能力が低下する可能性があります (偽陰性率高)。この問題を解決するには、次の点を考慮してください。

• アラートで提供される推奨事項に従って、データセットのバランスを取ります。
• 更新されたデータセットを使用してモデルを再トレーニングします。