Une banque mondiale a entraîné un modèle de désabonnement sur 1 000 dossiers clients, dont 100 sont étiquetés comme des clients qui sont partis. Après l'entraînement dans SageMaker Data Wrangler, le modèle ne prédit que la classe négative (il ne prédit jamais le désabonnement). Quel changement apporté aux données d'entraînement est le plus susceptible de corriger cela et de produire des prédictions de désabonnement plus précises ?

Le problème décrit, où le modèle ne prédit que la classe négative (non-désabonnement), est un signe classique de déséquilibre de classe extrême. Avec seulement 100 clients désabonnés sur 1 000, la classe positive est une minorité significative. SMOTE (Synthetic Minority Oversampling Technique) est une méthode efficace pour résoudre ce problème en générant des échantillons synthétiques de la classe minoritaire, ce qui aide le modèle à mieux apprendre les caractéristiques de cette classe et à améliorer sa capacité à la prédire. Supprimer les valeurs aberrantes pourrait potentiellement aider, mais ce n'est pas la cause principale du problème de prédiction unilatérale. Normaliser les valeurs des caractéristiques est une bonne pratique, mais cela ne résoudra pas le déséquilibre de classe. Le sous-échantillonnage de la classe majoritaire pourrait aider, mais il risque de supprimer des informations précieuses et n'est généralement pas aussi efficace que le suréchantillonnage de la classe minoritaire dans ce scénario.