---
title: Управление дисбалансом классов
seo:
  title: Управление дисбалансом классов — Data Scientist
  description: "Тема «Управление дисбалансом классов» для собеседования Data Scientist. Что делать, если в данных есть дисбаланс классов?"
---

[Все темы Data Scientist](/data-scientist)

## <strong>Что делать, если в данных есть дисбаланс классов?</strong> [#q-14bee738d69b81d4b15ee67c3ec1db32]

Если в данных присутствует дисбаланс классов, можно применить следующие подходы&#58;

1. <strong>Использование весов классов</strong>&#58; Некоторые модели, такие как
   логистическая регрессия и случайный лес, позволяют задать веса для классов,
   учитывая их дисбаланс. Это позволяет модели уделять больше внимания редким
   классам.

1. <strong>Undersampling</strong>&#58; Уменьшение размера преобладающего класса
   путем случайного удаления некоторых его экземпляров до уровня меньшего
   класса.

1. <strong>Oversampling</strong>&#58; Увеличение размера редкого класса путем
   добавления дополнительных экземпляров или создания синтетических данных.

1. <strong>Генерация синтетических данных</strong>&#58; Использование алгоритмов
   генерации синтетических данных, таких как <code>SMOTE</code> (Synthetic
   Minority Over-sampling Technique), для увеличения размера редкого класса.

:::note[Ссылки для изучения]

1. [Как избежать “подводных камней” машинного обучения](https://habr.com/ru/articles/664102/)
   :::