Technische GIDS

Klasse-onbalans en herbemonstering

Er is sprake van een onevenwicht tussen klassen als de ene uitkomst veel groter is dan de andere – zoals 99,9% legitieme transacties versus 0,1% fraude – waardoor modellen de zeldzame maar belangrijke klasse negeren.

Luister naar deze gidsAI-verteld · ~2 min

Op deze pagina2 min lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van klassenonevenwicht en resampling
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Resampling brengt de trainingsgegevens opnieuw in evenwicht, zodat het model daadwerkelijk de minderheid leert herkennen.

Diepe duik

Wanneer de klassen scheef zijn, kan een model een nauwkeurigheid van 99,9% bereiken door altijd de meerderheid te voorspellen en nooit één enkele fraude te ontdekken, wat nutteloos is. Resampling corrigeert de trainingsverdeling op twee brede manieren. Oversampling dupliceert of synthetiseert minderheidsvoorbeelden - de klassieke SMOTE (Synthetic Minority Over-sampling Technique) creëert nieuwe punten door te interpoleren tussen een minderheidssample en de dichtstbijzijnde minderheidsburen in plaats van ze te kopiëren. Bij undersampling worden de meerderheidsvoorbeelden genegeerd (willekeurig, of slim via methoden als Tomek-links of NearMiss) om de zaken gelijk te trekken, ten koste van het weggooien van gegevens. Alternatieven die voorkomen dat de gegevens worden aangeraakt, zijn onder meer klassenweging (waarbij minderheidsfouten meer worden bestraft in de verliesfunctie) en het aanpassen van de beslissingsdrempel na de training.

Implementatie in de echte wereld

Het trainen van een creditcardfraudedetector waarbij echte fraude ruim onder de 1% van de transacties voorkomt, waarbij SMOTE wordt gebruikt om de zeldzame gevallen van fraude te versterken

Het bouwen van een medisch model voor een zeldzame ziekte die slechts bij een paar procent van de patiënten voorkomt, waarbij klassegewichten worden toegepast, zodat gemiste gevallen zwaar worden bestraft

Het detecteren van defecte artikelen op een productielijn waar bijna alle producten de inspectie doorstaan, waarbij de 'goede' artikelen te weinig worden bemonsterd om de training in evenwicht te brengen

Het markeren van zeldzame netwerkinbraken in cyberbeveiligingslogboeken die worden gedomineerd door normaal verkeer, geëvalueerd met Precision-Recall AUC in plaats van nauwkeurigheid

De toekomst van klassenonevenwicht en resampling

Resampling wordt steeds meer geautomatiseerd binnen ML-pijplijnen, waarbij bibliotheken zoals onevenwichtig leren rechtstreeks worden geïntegreerd in kruisvalidatie. Onderzoek verschuift naar kostengevoelig leren en op maat gemaakte verliesfuncties – zoals focal loss, waarbij eenvoudige meerderheidsvoorbeelden worden verkleind – die vaak beter presteren dan ruwe resampling op diepe netwerken. Voor tabel- en beeldgegevens komen generatieve modellen die realistische minderheidsmonsters synthetiseren naar voren als een meer geavanceerde opvolger van interpolatie in SMOTE-stijl.

Het in de praktijk brengen

Waarom het ertoe doet

  • Kosten en budget. Architectuurbeslissingen bepalen jarenlang de prestaties en bedrijfskosten.
  • Duidelijkere beslissingen. Technisch onderwijs helpt teams bij het kiezen van de juiste stapel, niet alleen de nieuwste.
  • Kwaliteitscontrole. Betere technische keuzes verminderen het aantal betrouwbaarheidsincidenten in de productie.

Pas op voor

  • Het optimaliseren van één benchmark kan bredere systeemzwakheden verbergen.
  • Infrastructuur- en onderhoudskosten worden vaak onderschat.
  • De lacunes op het gebied van beveiliging en waarneembaarheid kunnen groter worden naarmate systemen complexer worden.

Volgende stappen

  1. Definieer latentie-, kwaliteits- en kostendoelen vóór implementatie.
  2. Benchmark onder realistische belasting- en gegevensomstandigheden.
  3. Instrumentbewaking op fouten, drift en gebruikersimpact.
  4. Bereid rollback- en incidentresponspaden voor voordat u gaat schalen.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Take the Class Imbalance and Resampling quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

Wat is klasse-onevenwicht en resampling?

Er is sprake van een onevenwicht tussen klassen als de ene uitkomst veel groter is dan de andere – zoals 99,9% legitieme transacties versus 0,1% fraude – waardoor modellen de zeldzame maar belangrijke klasse negeren. Resampling brengt de trainingsgegevens opnieuw in evenwicht, zodat het model daadwerkelijk de minderheid leert herkennen.

Waarom is pure nauwkeurigheid een slechte maatstaf voor een zeer onevenwichtig classificatieprobleem?

Als 99,9% van de gevallen negatief is, krijgt een model dat altijd negatief voorspelt een nauwkeurigheid van 99,9% terwijl het nul-positieve resultaten behaalt. De nauwkeurigheid verbergt dus een totale mislukking in de zeldzame klasse.

Wat doet SMOTE?

SMOTE (Synthetic Minority Over-sampling Technique) creëert nieuwe minderheidsvoorbeelden door te interpoleren tussen een minderheidspunt en de dichtstbijzijnde minderheidsburen, in plaats van ze eenvoudigweg te dupliceren.

Welke aanpak pakt onbalans aan ZONDER het aantal trainingsvoorbeelden te veranderen?

Door klassenweging blijven de gegevens onaangeroerd en worden fouten voor de minderheidsklasse in plaats daarvan zwaarder bestraft door de verliesfunctie.

Wat is een belangrijk risico bij het toepassen van oversampling voordat uw gegevens worden opgesplitst in trein- en testsets?

Door opnieuw te samplen vóór de splitsing verschijnen vrijwel identieke minderheidspunten in zowel trein- als testsets, waardoor informatie lekt en te optimistische, onrealistische prestaties worden geproduceerd.

Wat is het belangrijkste nadeel van willekeurige onderbemonstering?

Onderbemonstering brengt klassen in evenwicht door meerderheidsvoorbeelden weg te gooien, waardoor informatieve gegevens kunnen worden weggegooid en het vermogen van het model om de meerderheidsklasse te leren wordt aangetast.