如何解决在训练/测试拆分之前采样不足并且精度非常低
我正在处理高度不平衡的数据集，其中包括大约 32,000 类（0 类）和 1,300 类（1 类）。单个输入特征是文本（例如酒店评论）。经过预处理步骤将文本转换为向量后，维度长度变为 1,000 左右（使用 tf-idf）。
运行分类后，问题是我的精度太低 (15%) 而召回 (80%) 似乎很好。
我尝试了许多不同的策略来克服这个问题，通过应用欠采样，尝试不同的分类算法（logistic，XGBoost，Light GBM，...），改变决策函数阈值，绘制精确召回曲线以找到最佳点（发现精度在recall的变化中变化不大）。
我的问题是有没有办法提高我的精度？
作为ML的初学者，精度这么低的原因似乎是测试集也是不平衡的，所以很难获得更高的精度。我也尝试对测试集进行欠采样，但发现这不是我的做法。减少维度（例如 PCA）会解决这个问题吗？或者还有其他方法可以尝试吗？请帮忙...
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
