표본 수 조정은 분할한 뒤 학습 자료에만 적용한다
가상 관측 1,000개(소수 범주 60개)를 학습 80%, 검증 20%로 범주 비율을 지켜 나눈다. 조정 방법과 적용 시점을 바꾸면 학습 자료와 검증 자료의 범주별 관측 수가 바뀐다.
균형 가중치는 범주별 가중치 합을 같게 만든다
학습 관측 1,000개, 범주 C = 2개에서 소수 범주 관측 수 n_c를 바꾸면 두 범주의 관측당 가중치와 가중치 합이 바뀐다.
균형 가중치로 재현율이 올라도 정밀도는 크게 떨어질 수 있다
사기 거래 자료에서 로지스틱 회귀를 5-fold 교차검증으로 평가한 평균이다. 지표를 고르면 기본 설정과 class_weight="balanced" 설정의 값과 변화가 바뀐다.