Una banca globale ha addestrato un modello di churn su 1.000 record di clienti, di cui 100 sono etichettati come clienti che hanno abbandonato. Dopo l'addestramento in SageMaker Data Wrangler, il modello predice solo la classe negativa (non predice mai il churn). Quale modifica ai dati di addestramento risolverà più probabilmente questo problema e produrrà previsioni di churn più accurate?

Il problema descritto, in cui il modello predice solo la classe negativa (nessun abbandono), è un chiaro indicatore di uno squilibrio di classe estremo. Con solo 100 clienti che hanno abbandonato su 1.000, la classe positiva (abbandono) è una minoranza significativa. SMOTE (Synthetic Minority Oversampling Technique) è una tecnica efficace per affrontare lo squilibrio di classe sovracampionando sinteticamente la classe minoritaria, creando nuovi esempi simili a quelli esistenti ma non identici. Questo aiuta il modello a imparare meglio le caratteristiche della classe minoritaria, portando a previsioni più accurate per entrambe le classi. Rimuovere gli outlier potrebbe non risolvere il problema dello squilibrio e potrebbe persino rimuovere dati importanti. La normalizzazione dei valori delle feature è una buona pratica generale ma non affronta direttamente lo squilibrio di classe. L'undersampling della classe di maggioranza potrebbe ridurre il numero totale di dati di addestramento, portando a una perdita di informazioni e potenzialmente a un modello meno robusto, specialmente con un dataset già relativamente piccolo.