Sınıf Dengesizliği (Class Imbalance)

Sınıf Dengesizliği nedir?

Sınıf dengesizliği, bir sınıflandırma veri setinde bir sınıfın diğerlerinden çok daha fazla örneğe sahip olması durumu. Klasik örnek dolandırıcılık tespiti: 100.000 işlemin belki 200'ü sahte — yani veri %99,8 'normal', %0,2 'sahte'. Model bu dengesiz veriyle eğitildiğinde tembelliğe kaçar: her şeye 'normal' derse zaten %99,8 doğruluk yakalar, ama tam da yakalaması gereken sahte işlemleri kaçırır.

Nasıl çalışır?

Sorunun kökü, çoğu eğitim algoritmasının toplam hatayı azaltmaya çalışması. Azınlık sınıfı sayıca küçük olduğu için onu görmezden gelmek toplam hataya az yansır, model de onu görmezden gelir. Bu yüzden accuracy (doğruluk) tek başına yanıltıcı olur; precision, recall ve F1 skoru gibi metrikler devreye girer. Çözüm yöntemleri: azınlık sınıfını çoğaltmak (oversampling, örneğin SMOTE), çoğunluğu azaltmak (undersampling), sınıflara ağırlık vermek ya da karar eşiğini kaydırmak.

Neden önemli?

Gerçek dünya verisi neredeyse hiç dengeli gelmez. Hastalık teşhisi, dolandırıcılık, arıza tespiti, spam — hepsinde 'ilginç' olan sınıf azınlıktadır ve asıl yakalanması gereken odur. Dengesizliği görmezden gelen bir model kağıt üzerinde parlak görünür, sahada işe yaramaz.

Kullanım alanları

Bankacılıkta sahte işlem tespiti, sağlıkta nadir hastalık teşhisi, üretimde arıza kestirimi, siber güvenlikte saldırı tespiti. Azınlık sınıfının pahalıya patladığı her yerde sınıf dengesizliğiyle uğraşılır.