我使用H2O AutoML进行二进制分类，类是不平衡的。
我在h2o.automl()函数中设置了balance_classes = TRUE和max_after_balance_size = 100来对少数类进行过采样。然而，准确度-召回率曲线(Precision-Recall curve, AUCPR)下的度量面积的leader模型不是很好，~ 0.10。
请问用H2O AutoML处理类不平衡问题有什么技巧(例如预处理步骤，h2o.automl()中的参数设置)吗?
非常感谢您的指导!
我建议指定stopping_metric = "AUCPR"来优化AUCPR和sort_metric = "AUCPR"，以让AutoML知道领导者模型应该是具有最佳AUCPR的模型(否则它将默认使用AUC)。
如果你的数据足够小，你可以使用像python中的失衡-学习或R中的themis这样的库来做一些预处理，如SMOTE，删除Tomek链接等