select TWO: DetectEye exploite un modèle de fraude avec 0,3 % de classe positive et prévoit d'entraîner un modèle XGBoost sur SageMaker. L'entreprise souhaite remédier au grave déséquilibre des classes tout en préservant autant de signal que possible et en évitant l'amplification du bruit des étiquettes. Quelles sont les DEUX interventions les plus appropriées à essayer en premier dans ce contexte de production ?

SMOTE est une technique de suréchantillonnage qui génère des échantillons synthétiques de la classe minoritaire, aidant à équilibrer le jeu de données sans simplement dupliquer des exemples existants, ce qui préserve le signal et évite l'amplification du bruit des étiquettes. L'intégration via un SageMaker Processing job est une pratique courante pour le prétraitement. Le paramètre scaleposweight de XGBoost (ou classweight pour d'autres modèles) est conçu pour gérer le déséquilibre des classes en attribuant un poids plus élevé aux exemples de la classe minoritaire pendant l'entraînement, ce qui permet au modèle de prêter plus d'attention à ces exemples sans modifier la distribution physique des données. Le sous-échantillonnage aléatoire de la classe majoritaire est souvent trop agressif et peut entraîner une perte significative d'informations précieuses. L'utilisation d'Athena pour la génération synthétique au moment de la requête n'est pas une approche standard ou efficace pour SMOTE. Désactiver l'arrêt anticipé et augmenter le taux d'apprentissage sur des données brutes déséquilibrées ne résoudra pas le problème fondamental du déséquilibre des classes et pourrait même aggraver le surapprentissage ou la convergence.