我需要对多变量时间序列数据进行建模，以预测一个很少为1的二进制目标(不平衡数据(。 这意味着我们要基于一个特征进行建模是二进制(爆发(，很少是 1？ 所有功能都是二进制的，很少是 1。 建议的解决方案是什么？
此功能对基于以下成本函数的成本函数产生影响。我们想知道是否准备好了，如果费用与下面相同。
问题定义：基于爆发的模型，很少是 1.
准备或不准备避免疾病爆发和爆发成本是准备的20倍
每天(次日(的费用： 成本=20*爆发*！准备+准备
模式：准备(准备第二天(爆发哪几天？
问题：
构建模型来预测疫情？
报告每年的成本估算
CSV 文件已上传，数据用于一天结束 csv文件包含每行是一天的行，其中一些是二进制的，最后一个特征是爆发，很少是1，并且主要特征考虑在成本中。
你描述的是类不平衡。
典型的方法是生成平衡的训练数据 通过反复运行包含以下内容的示例 您的(罕见(阳性课程， 并且每次选择一个新的随机样本 从负类。
另外，请注意您的成本函数。 你不会想奖励一个简单的模型 因为总是选择多数阶级。
我的建议：
监督方法
- 用于上采样的
SMOTE - 通过调整
scale_pos_weightXgboost - 复制少数类，例如：10次
- 尝试使用集成树算法，尝试生成线性表面对您的情况是有风险的。
- 由于您的数据是时间序列，因此您可以在实际疾病发生之前生成具有少数民族类别的天数。例如，您在 2010-07-20 有少数民族班。在此之前的最后观测结果是2010-06-27。您可以通过稍微改变方差来生成观测值，例如 2010-07-15、2010-07-18 等。
无监督方法
- 尝试异常情况检测算法。比如
IsolationForest(也试试它的扩展版本(。 - 聚类您的观察检查少数类本身是否成为聚类。如果成功，您可以使用集群名称(集群 1、集群 2、集群 3 等(标记数据，然后训练决策树以查看拆分模式。(
Kmeans+DecisionTreeClassifier(
模型评估
设置成本矩阵。不要直接使用混淆矩阵精度等。您可以在此处找到有关成本矩阵的更多信息：http://mlwiki.org/index.php/Cost_Matrix
注意：
根据OP在评论中的问题，按年份可以这样做：
df["date"] = pd.to_datetime(df["date"])
df.groupby(df["date"].dt.year).mean()
您也可以使用其他聚合器(平均值、总和、计数等(