0

我正在研究一个二进制分类不平衡的营销数据集，它具有：

  1. 否：是 88:12 的比例（否 - 未购买产品，是 - 购买）
  2. 约 4300 个观察值和 30 个特征（9 个数字和 21 个分类）

我将我的数据分为训练集（80%）和测试集（20%），然后在训练集上使用标准标量和 SMOTE。SMOTE 将训练数据集的“否：是”比率设为 1:1。然后我运行了一个逻辑回归分类器，如下面的代码所示，在测试数据上获得了 80% 的召回分数，而通过应用没有 SMOTE 的逻辑回归分类器在测试数据上只有 21% 的召回率。

使用 SMOTE，召回率提高很大，但是误报率很高（请参阅混淆矩阵的图像），这是一个问题，因为我们最终会针对许多虚假（不太可能购买）客户。有没有办法在不牺牲召回/真阳性的情况下降低误报？

混淆矩阵

#Without SMOTE
clf_logistic_nosmote = LogisticRegression(random_state=0, solver='lbfgs').fit(X_train,y_train)

#With SMOTE  (resampled train datasets) 
clf_logistic = LogisticRegression(random_state=0, solver='lbfgs').fit(X_train_sc_resampled, y_train_resampled)
4

1 回答 1

0

甚至我也有类似的问题，误报率非常高。在那种情况下，我在进行特征工程后应用了 SMOTE。

然后我在做特征工程之前使用了 SMOTE，并使用 SMOTE 生成的数据来提取特征。这样它工作得很好。虽然，这将是一种较慢的方法，但它对我来说很有效。让我知道你的情况如何。

于 2019-11-21T18:02:37.883 回答