supervised-learning - 异常检测算法可以为基于逻辑回归的不良监督模型带来多大的改进？

Question

我有一个不平衡的文本数据集（很多 0 和少数 1）。目前我正在使用带有逻辑回归的监督机器学习模型对它们进行分类。在训练集上，准确率是 98%，但召回率只有 32%。显然，这不是正常的文本分类任务，因为数据非常不平衡，几乎是一个奇怪的检测。

现在我面临着权衡。我知道有一些奇怪的检测算法（例如隔离森林？）。但是时间非常有限。如果我更改算法，我是否应该期望模型的性能有很大提高？或者我应该中止任务，因为逻辑模型显示出糟糕的结果？