machine-learning - 高度不平衡的故障检测数据集

Question

我有一个高度不平衡和倾斜的训练和测试数据集，其中包含 15 个用于异常/故障检测问题的特征。训练集大约有 60,000 个实例，其中 88 个为“失败”事件，其余为“通过”事件。该测试集大约有 35,000 个测试用例，其中只有 46 个“失败”，其余为“通过”。检测“失败”事件的良好分类器和方法是什么？

我尝试过过大(“失败”实例)和过小(“通过”实例)训练来达到平衡的数据集，但测试的总体分类准确率从未超过 60%。请推荐一个好的分类器以及您可能知道的任何有用的技术。

Answer 1

由于您的数据集高度倾斜(大约 1/1000)，因此使用异常检测技术可能有助于实现更高的准确性。