Работа с несбалансированными данными: SMOTE мёртв, что работает

Дата публикации: 31-01-2026 06:46:30

Бывали у вас датасеты, где класс «1» встречается в 100 раз реже класса «0»? У меня — постоянно. Модель радуется высокой точности, а на деле совершенно промахивается по редкому классу. Давайте обсудим, почему старый добрый SMOTE уже не торт, и что помогает в таких случаях.

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	Ваша модель показывает 95% accuracy и при этом бесполезна: метрики для несбалансированных классов	0	9.19	24-05-2026
2	balance: Deal With Biased Data Samples	0	10	27-07-2026
3	Компрессор для данных или как я написал свой первый custom transformer	0	10.9	27-01-2026
4	Почему «чем проще, тем лучше» не работает на ИИ-классификаторе	0	13.64	19-07-2026
5	Откуда в обучении берётся nan: численная нестабильность в ML и почему всё считают в логарифмах	0	6.4	11-06-2026
6	Аугментации изображений: как улучшить качество моделей без новых данных	-1	7.58	15-03-2026
7	Apache Superset — боремся с фильтрами по дате. Часть 2	0	10.39	02-04-2026
8	Pipeline в машинном обучении: как создавать сложные модели без боли и утечек данных	0	7.77	07-06-2026
9	Credit Scoring: Одинокое дерево, целый лес и разочарование в нейросетях	0	8.69	28-07-2026
10	Аугментация ограничивающих боксов в детекции: форматы, `BboxParams` и типичные ошибки	-1	6.34	11-04-2026

Классификация: Мнения. Схожих патентов: 0. Схожих новостей: 10. Тональность: 0. Информативность: 12.98. Источник: pythondigest.ru.