यह वर्गीकरण में एक दिलचस्प और बहुत लगातार समस्या है - न केवल निर्णय पेड़ों में बल्कि लगभग सभी वर्गीकरण एल्गोरिदम में।
जैसा कि आप अनुभव कर रहे हैं, एक प्रशिक्षण सेट में दोनों वर्गों के प्रतिनिधियों की अलग-अलग संख्याएँ होती हैं, जिसके परिणामस्वरूप एक क्लासिफायरियर हो सकता है जो बहुसंख्यक वर्ग के प्रति पक्षपाती है। जब एक परीक्षण सेट पर लागू किया जाता है जो समान रूप से असंतुलित होता है, तो यह क्लासिफायर एक आशावादी सटीकता अनुमान लगाता है। एक चरम मामले में, क्लासिफायर हर एक परीक्षण मामले को बहुसंख्यक वर्ग को सौंप सकता है, जिससे बहुमत वर्ग से संबंधित परीक्षण मामलों के अनुपात के बराबर सटीकता प्राप्त हो सकती है। यह बाइनरी वर्गीकरण में एक अच्छी तरह से ज्ञात घटना है (और यह स्वाभाविक रूप से बहु-वर्ग सेटिंग्स तक फैली हुई है)।
यह एक महत्वपूर्ण मुद्दा है, क्योंकि एक असंतुलित डेटासेट बढ़े हुए प्रदर्शन का अनुमान लगा सकता है। यह बदले में उस महत्व के बारे में गलत निष्कर्ष दे सकता है जिसके साथ एल्गोरिथ्म ने मौका से बेहतर प्रदर्शन किया है।
इस विषय पर मशीन-लर्निंग साहित्य ने अनिवार्य रूप से तीन समाधान रणनीतियों को विकसित किया है।
आप द्वारा प्रशिक्षण सेट पर संतुलन बहाल कर सकते हैं undersampling बड़ा वर्ग या द्वारा oversampling छोटे वर्ग, पहली जगह में उत्पन्न होने वाली से पूर्वाग्रह को रोकने के लिए।
वैकल्पिक रूप से, आप गर्भपात की लागत को संशोधित कर सकते हैं, जैसा कि पिछली प्रतिक्रिया में, पूर्वाग्रह को रोकने के लिए फिर से नोट किया गया है।
एक अतिरिक्त सुरक्षा को तथाकथित संतुलित सटीकता द्वारा सटीकता को बदलना है । इसे वर्ग-विशिष्ट सटीकता के अंकगणितीय माध्य के रूप में परिभाषित किया गया है, जहां और क्रमशः सकारात्मक और नकारात्मक उदाहरणों पर प्राप्त सटीकता का प्रतिनिधित्व करते हैं। यदि क्लासिफायर किसी भी वर्ग पर समान रूप से अच्छा प्रदर्शन करता है, तो यह शब्द पारंपरिक सटीकता (यानी, सही भविष्यवाणियों की संख्या को कुल भविष्यवाणियों की संख्या से विभाजित करता है) तक कम कर देता है। इसके विपरीत, यदि पारंपरिक सटीकता केवल संयोग से ऊपर है, क्योंकि क्लासिफायर एक असंतुलित परीक्षण सेट का लाभ उठाता है, तो संतुलित सटीकता, उपयुक्त के रूप में, मौका छोड़ देगा (नीचे स्केच देखें)।π+π-ϕ:=12(π++π−),π+π−
मैं संयोजन में उपरोक्त दृष्टिकोणों में से कम से कम दो पर विचार करने की सलाह दूंगा। उदाहरण के लिए, आप अपने वर्ग को बहुमत वर्ग के पक्ष में पूर्वाग्रह प्राप्त करने से रोकने के लिए अपने अल्पसंख्यक वर्ग की देखरेख कर सकते हैं। इसके बाद, अपने क्लासिफायर के प्रदर्शन का मूल्यांकन करते समय, आप सटीकता को संतुलित सटीकता से बदल सकते हैं। दो दृष्टिकोण पूरक हैं। जब एक साथ आवेदन किया जाता है, तो उन्हें आपकी मूल समस्या को रोकने में दोनों की मदद करनी चाहिए और इसके बाद गलत निष्कर्ष से बचना चाहिए।
यदि आप इस पर अनुवर्ती कार्रवाई करना चाहते हैं तो मुझे साहित्य के कुछ अतिरिक्त संदर्भों को पोस्ट करने में खुशी होगी।