Обработка несбалансированной категориальной классификации (набор данных банковского маркетинга Португалии) – лучший подх ⇐ Python

[Anonymous]

Я работаю над проблемой категориальной классификации, используя набор маркетинговых данных португальских банков. Целевая переменная является двоичной (

Код: Выделить всё

yes

/ no), а набор данных сильно несбалансирован (гораздо больше нет, чем да).
Я хочу понять:

• Каковы наилучшие методы обработки несбалансированных наборов данных в этом случае?
  • Следует ли мне использовать методы повторной выборки, такие как передискретизация (например, SMOTE) или недостаточная выборка?
  • Или мне следует полагаться на методы уровня алгоритма, такие как веса классов?
• Как определить, какой метод лучше подходит для моего набора данных?
  • Существует ли систематический способ сравнения подходы?
• Какие показатели оценки следует использовать?
  • Точность кажется обманчивой из-за дисбаланса.
  • Следует ли мне сосредоточиться на точности, отзыве, F1-оценке или ROC-AUC?
• Какой-либо рекомендуемый рабочий процесс или конвейер для решения такого типа проблем?