Um banco global treinou um modelo de churn com 1.000 registros de clientes, dos quais 100 são rotulados como clientes que saíram. Após o treinamento no SageMaker Data Wrangler, o modelo prevê apenas a classe negativa (nunca prevê churn). Qual alteração nos dados de treinamento provavelmente corrigirá isso e produzirá previsões de churn mais precisas?

O modelo prevê apenas a classe negativa (não-churn) porque o conjunto de dados é altamente desequilibrado (100 churn vs. 900 não-churn). O SMOTE (Synthetic Minority Oversampling Technique) é a solução mais provável, pois cria instâncias sintéticas da classe minoritária (churn), aumentando sua representação e ajudando o modelo a aprender os padrões dessa classe. Remover outliers pode ser útil, mas não aborda diretamente o desequilíbrio de classes. Normalizar os valores dos recursos é uma boa prática, mas não resolverá o problema de previsão de apenas uma classe. O undersampling na classe majoritária reduziria ainda mais o tamanho total do conjunto de dados, o que pode levar à perda de informações importantes e a um modelo menos robusto, especialmente com apenas 1000 registros.