您透過隨機將資料集分成訓練集和驗證集來建構鳥類分類模型。訓練準確度非常高，但模型在驗證集上的表現不佳。您發現原始資料集不平衡。您應該怎麼做才能改善驗證效能？

當資料集不平衡時，隨機分割可能導致訓練集和驗證集中的類別分佈與原始資料集不同，特別是稀有類別可能在其中一個子集中過度代表或完全缺失，導致模型在驗證集上表現不佳。分層抽樣（Stratified Sampling）能確保訓練集和驗證集中的類別比例與原始資料集保持一致，從而更準確地評估模型性能並改善驗證結果。為多數類別收集更多資料會加劇不平衡。在較小的隨機子集上訓練可能導致資訊不足。系統抽樣不保證類別比例的平衡。