1. 不平衡分类中的基准模型选择指南在机器学习实践中特别是处理不平衡分类问题时新手常犯两个致命错误一是直接应用复杂算法而不建立性能基准二是错误地使用分类准确率作为评估指标。这两个错误往往导致模型看似表现良好实则毫无实用价值。性能基准为我们提供了模型是否具备实际技能的最低标准也是衡量所有后续模型改进的参照点。对于不平衡分类问题选择正确的评估指标和对应的基准策略尤为关键——因为不同指标需要不同的无技能基准模型。2. 不平衡分类的核心评估指标2.1 评估预测类别的指标当我们需要评估模型直接预测的类别标签时主要考虑以下指标准确率(Accuracy)正确预测占总预测的比例。在不平衡数据上容易产生误导例如在99%负例的数据集上即使全部预测为负也能获得99%准确率。G-Mean敏感度(真正例率)和特异度(真负例率)的几何平均数。同时考虑了正负类的识别能力特别适合类别不平衡场景。F-Measure系列F1分数精确率和召回率的调和平均数F0.5分数更强调精确率F2分数更强调召回率2.2 评估预测概率的指标当模型输出的是类别概率时我们使用以下指标ROC AUC受试者工作特征曲线下面积反映模型在不同阈值下的整体分类能力。PR AUC精确率-召回率曲线下面积特别适合高度不平衡的数据集。Brier分数概率预测的校准程度数值越小越好。3. 基准模型策略详解3.1 五种基本基准策略对于二分类问题我们通常考虑五种基准策略均匀随机猜测(Uniform): 以50%概率随机预测0或1分层随机猜测(Stratified): 按数据集中的类别比例随机预测多数类(Majority): 总是预测多数类少数类(Minority): 总是预测少数类类别先验(Prior): 预测每个类别的先验概率在scikit-learn中这些策略可通过DummyClassifier实现from sklearn.dummy import DummyClassifier # 均匀随机 uniform_clf DummyClassifier(strategyuniform) # 分层随机 stratified_clf DummyClassifier(strategystratified) # 多数类 majority_clf DummyClassifier(strategymost_frequent) # 少数类 minority_clf DummyClassifier(strategyconstant, constant1) # 类别先验 prior_clf DummyClassifier(strategyprior)3.2 指标与基准策略的对应关系3.2.1 准确率的基准策略最佳策略预测多数类原理准确率只关心预测正确的比例。在不平衡数据中多数类占比高预测多数类能最大化正确预测数。实验验证 在99%负例的数据集上测试Uniform 0.501 (0.015) Stratified 0.980 (0.003) Majority 0.990 (0.000) # 最优 Minority 0.010 (0.000) Prior 0.990 (0.000)3.2.2 G-Mean的基准策略最佳策略均匀随机猜测原理G-Mean是敏感度和特异度的几何平均。只预测一个类别会导致另一类别的识别率为0从而使G-Mean为0。均匀随机给两个类别同等机会。实验验证Uniform 0.507 (0.074) # 最优 Stratified 0.021 (0.079) Majority 0.000 (0.000) Minority 0.000 (0.000) Prior 0.000 (0.000)3.2.3 F-Measure的基准策略最佳策略预测少数类原理F-Measure是精确率和召回率的调和平均。预测少数类能获得完美的召回率(1.0)精确率等于少数类比例(0.01)F1约为0.02。实验验证Uniform 0.020 (0.007) Stratified 0.020 (0.040) Majority 0.000 (0.000) Minority 0.020 (0.000) # 最优 Prior 0.000 (0.000)3.2.4 ROC AUC的基准策略最佳策略分层随机猜测原理ROC AUC的无技能水平是0.5通过按类别比例随机预测可以达到。实验验证Uniform 0.500 (0.000) Stratified 0.506 (0.020) # 最优 Majority 0.500 (0.000) Minority 0.500 (0.000) Prior 0.500 (0.000)3.2.5 PR AUC的基准策略最佳策略分层随机猜测原理PR AUC的无技能水平等于正类比例(0.01)通过按类别比例随机预测可以达到。实验验证Uniform 0.010 (0.000) Stratified 0.010 (0.000) # 最优 Majority 0.010 (0.000) Minority 0.010 (0.000) Prior 0.010 (0.000)4. 实践建议与常见陷阱4.1 指标选择指南高度不平衡数据(100:1)优先考虑PR AUC和F-Measure中等不平衡(10:1~100:1)G-Mean和ROC AUC更合适关注假阳性成本使用F0.5或强调特异度的指标关注假阴性成本使用F2或强调召回率的指标4.2 实现注意事项交叉验证设置from sklearn.model_selection import RepeatedStratifiedKFold cv RepeatedStratifiedKFold(n_splits10, n_repeats3, random_state1)自定义评分函数from sklearn.metrics import make_scorer from imblearn.metrics import geometric_mean_score gmean_scorer make_scorer(geometric_mean_score)概率指标的特殊处理from sklearn.metrics import precision_recall_curve, auc def pr_auc(y_true, probas_pred): p, r, _ precision_recall_curve(y_true, probas_pred) return auc(r, p)4.3 常见错误排查警告UndefinedMetricWarning当某个类别未被预测时会出现检查基准策略是否适合当前指标。ROC/PR曲线退化为单点当模型总是预测相同类别时发生需要改用概率预测或调整策略。基准分数异常高通常说明选择了错误的基准策略如在不平衡数据上用准确率和多数类策略。分数方差过大增加交叉验证的重数(n_repeats)或使用更大的测试集。5. 完整实现示例以下是一个综合评估所有指标的完整示例from numpy import mean, std from sklearn.datasets import make_classification from sklearn.dummy import DummyClassifier from sklearn.model_selection import cross_validate from imblearn.metrics import geometric_mean_score from sklearn.metrics import (accuracy_score, f1_score, roc_auc_score, precision_recall_curve, auc) # 创建不平衡数据集 X, y make_classification(n_samples10000, weights[0.99], random_state42) # 定义评估指标 scoring { accuracy: accuracy, f1: f1, gmean: make_scorer(geometric_mean_score), roc_auc: roc_auc, pr_auc: make_scorer(lambda y_true, probas_pred: auc(*precision_recall_curve(y_true, probas_pred)[:2]), needs_probaTrue) } # 评估所有策略 strategies [uniform, stratified, most_frequent, (constant, {constant:1}), prior] for strategy in strategies: if isinstance(strategy, tuple): clf DummyClassifier(strategystrategy[0], **strategy[1]) name Minority if strategy[1][constant]1 else Custom else: clf DummyClassifier(strategystrategy) name { uniform: Uniform, stratified: Stratified, most_frequent: Majority, prior: Prior }[strategy] scores cross_validate(clf, X, y, scoringscoring, cv5) print(f\n{name} Strategy:) for metric in scoring: print(f{metric}: {mean(scores[ftest_{metric}]):.3f} (±{std(scores[ftest_{metric}]):.3f}))6. 高级技巧与扩展多类不平衡问题将指标扩展为宏平均(macro-average)或加权平均(weighted)成本敏感学习为不同误分类设置不同代价调整基准策略自定义基准根据业务需求设计特定的基准策略早期停止基准当模型性能无法显著超越基准时停止调优指标组合根据业务需求组合多个指标如F1ROC AUC在实际项目中我通常会先建立所有相关指标的基准然后针对最重要的1-2个指标进行优化。例如在欺诈检测中我会同时关注PR AUC(主要指标)和F2分数(强调召回)确保模型在整体性能和关键类别识别上都能超越基准水平。