Specjalista ds. danych wytrenował model XGBoost do oznaczania oszukańczych transakcji finansowych. Zbiór treningowy jest bardzo niezbalansowany (100 000 transakcji nieoszukańczych vs. 1000 oszukańczych). Podczas walidacji model wykazuje 99,1% dokładności, ale zbyt wiele fałszywych negatywów (transakcje oszukańcze przewidziane jako nieoszukańcze). Jakie dwie czynności powinien podjąć specjalista ds. danych, aby zmniejszyć liczbę fałszywych negatywów?

Zwiększenie parametru scaleposweight w XGBoost jest kluczowe w przypadku niezbalansowanych zbiorów danych, takich jak ten, gdzie klasa pozytywna (oszustwa) jest znacznie rzadsza. Nadanie większej wagi przykładom oszukańczym pomaga modelowi lepiej je identyfikować, zmniejszając liczbę fałszywych negatywów. Zmiana evalmetric na AUC (Area Under the ROC Curve) jest odpowiednia, ponieważ AUC jest metryką odporną na niezbalansowanie klas i mierzy zdolność modelu do rozróżniania między klasami. Optymalizacja pod kątem AUC często prowadzi do lepszej wydajności w wykrywaniu rzadkich klas, co jest celem w tym scenariuszu. Ustawienie evalmetric na RMSE jest nieodpowiednie, ponieważ RMSE jest metryką regresji, a nie klasyfikacji binarnej. Zwiększanie lub zmniejszanie maxdepth bez dalszej analizy nie jest bezpośrednim rozwiązaniem problemu fałszywych negatywów w niezbalansowanym zbiorze danych; problemem nie jest tu niedopasowanie (underfitting) czy przetrenowanie (overfitting) w sensie ogólnym, lecz specyficzne trudności z klasą mniejszościową.