分类器的数据集必须完美平衡吗？

在机器学习中，通常认为二元分类器的数据集必须是平衡的：EG。 1 级 50%，0 级 50%。我的问题是：数据集是否完美平衡（50/50）？我有一个包含 1568 个观察值的数据集：第 1 类是 47%，第 0 类是 53%。这会产生问题吗？

理想情况下，每个类别都有 50% 的类别，这将在训练模型时获得不错的结果，因为该模型正在寻求优化准确性。

例如，假设您有 99% 的类别 0 和 1% 的类别 1。在训练时，您将获得一个始终分类为 0 的模型，这样做，该模型将获得 99% 的一般准确率，但是这是你想要的吗？平衡这些数据将帮助您避免这种“愚蠢”的模型。这是一种极端情况，但这就是使用平衡类的原因。

平衡时注意与少数类的过度拟合，因此模型将学习多次对同一样本进行分类。

最后，如果您使用的是像您所说的那样平衡的数据，(47%,53%) 不需要平衡。可能你可以开始平衡 35% / 65% 或类似的东西。显然，有平衡的数据的行为取决于数据集。