Bir ML mühendisi, 30-60 yaş aralığını bir özellik olarak içeren ikili bir sağlık riski modeli (pozitif = yüksek riskli, negatif = düşük riskli) üzerinde eğitim yapmaktadır. Pozitif sınıf için etiket oranlarındaki fark (DPL), 40-45 yaş grubu için diğer yaş gruplarına kıyasla +0,9'dur ve bu durum aşırı temsiliyet olduğunu göstermektedir. Mühendis bu dengesizliği nasıl düzeltmelidir?

DPL (Difference in Positive Proportions) değeri +0,9, 40-45 yaş grubundaki pozitif etiketli örneklerin diğer yaş gruplarına göre %90 daha fazla olduğunu gösterir. Bu durum, modelin bu gruba karşı önyargılı olmasına neden olabilecek bir aşırı temsiliyettir. Bu dengesizliği düzeltmek için 40-45 yaş grubundaki pozitif örnekleri azaltmak (undersample etmek) en uygun yöntemdir. Diğer seçenekler: 40-45 yaş grubundaki pozitif örnekleri oversample etmek, zaten aşırı temsil edilen bu grubu daha da artırarak dengesizliği kötüleştirir. 40-45 dışındaki tüm yaş gruplarındaki pozitif örnekleri undersample etmek, genel pozitif sınıf temsilini azaltırken 40-45 yaş grubunun aşırı temsilini düzeltmez. 40-45 dışındaki tüm yaş grupları için negatif sınıfı oversample etmek, pozitif sınıf dengesizliğiyle doğrudan ilgilenmez ve modelin negatif sınıfa karşı önyargılı olmasına neden olabilir.