问题描述
我正在处理高度不平衡的数据集，其中包括大约 32,000 类（0 类）和 1,300 类（1 类）。单个输入特征是文本（例如酒店评论）。经过预处理步骤将文本转换为向量后，维度长度变为 1,000 左右（使用 tf-idf）。
运行分类后，问题是我的精度太低 (15%) 而召回 (80%) 似乎很好。
我尝试了许多不同的策略来克服这个问题，通过应用欠采样，尝试不同的分类算法（logistic，XGBoost，Light GBM，...），改变决策函数阈值，绘制精确召回曲线以找到最佳点（发现精度在recall的变化中变化不大）。
我的问题是有没有办法提高我的精度？
作为ML的初学者，精度这么低的原因似乎是测试集也是不平衡的，所以很难获得更高的精度。我也尝试对测试集进行欠采样，但发现这不是我的做法。减少维度（例如 PCA）会解决这个问题吗？或者还有其他方法可以尝试吗？请帮忙...
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）