>我有一个数据集，它由用户票证组成，该用户票证是随机的，其中有大约 56 个 cols，它是一个文本数据。我的任务是创建一个模型并训练它来识别和预测工单属于哪个类别，我们有 100 + 个类别在那里。假设类别 A 的计数为 70,000，其他为 50,0000，对于某些类别，票证计数下降到 1 这是一个不平衡的数据吗？如果是我应该如何处理多类分类，到目前为止，为了处理我认为不平衡的数据，我正在使用 SMOTE，但准确性降低。在这种情况下我该怎么办？
我已经尝试过决策树分类器，现在正在研究逻辑回归。
1）在这种情况下使用F1分数作为评估指标（高度不平衡的数据）。
2）在拆分时使用分层抽样train_test。
3）尝试一个与休息分类器。
4）使用xgboost，lightgbm和catboost等算法。