機械学習（バイナリ分類）で自分のデータを処理するのに最適なトリックですか？

Question

私は機械学習の初心者で、私が愚かであれば私を許してください。 22の属性と30000のデータポイントを持つtraindata.csvファイルがあります。

訓練を受けたモデルで予測を行う必要があるtestdata.csvファイルの20000個のデータポイントを予測し、モデルを訓練する必要があります（特定のアルゴリズムではありません）。

traindata.csvでは、 '0'と '1'のクラスラベルの比率は5：1です。 私のモデルでこの列車全体のデータを訓練すると、私のモデルは1よりも0を予測する傾向があることを示しています。

私のテストデータの実際の値は1：1の比率で0と1です。

私のテストデータを予測しながら0に偏っていないような列車データを前処理するには何らかの方法（ある種のノイズキャンセル）を提案できますか？

Answer 1

これは私がバランスバギング分類子を示唆している「不均衡分類」

と呼ばれるクラシカルな問題です。あなたがPythonを好きなら、私はthisをお勧めします。私は本当にあなたが何をバッグにするかは問題ではありませんが、木は始めるのに適しています。このパッケージには多くのドキュメントやその他のメソッドがあります。

もう少しお見事になりたい場合は、Hellinger distanceを任意の種類のツリー方法で使用できます。標準的なツリーは、クラスサイズの比（すなわちスキュー）に敏感な分割点を選択します。 Hellingerの距離はそうではありません。私はPythonでオープンソースの実装を知りません。