在对数据进行预处理(如缺失值替换和离群值检测)后,我使用随机化对数据进行分区,并使用WEKA删除百分比过滤器。我的数据集是一个高度倾斜的数据集,失衡比例为6:1,对应于负类和正类。如果我使用朴素贝叶斯分类器对数据进行分类,而不处理类不平衡问题,我的准确率为83%,召回率为0.623。但是,如果我使用监督-实例-重新采样或监督-实例-扩展样本过滤器处理类不平衡(在平衡1:1之后),然后应用朴素贝叶斯进行分类准确率降低77%,召回率为0.456。
我不明白为什么当处理类不平衡比率时准确率会下降?
谢谢。
如果你的类不平衡是6:1,那么大多数类是6/7 = 85.7%。仅通过预测大多数类(例如使用zero),您将获得比NaiveBayes所达到的精度略高的精度。
在平衡你的数据集之后,NaiveBayes报告了77%的准确率,远高于预测大多数类别的50%。
从某种意义上说,NaiveBayes实际上已经改进了。