Tổng quan
Mất cân bằng giai cấp là khi một kết quả vượt xa kết quả khác — chẳng hạn như 99,9% giao dịch hợp pháp so với 0,1% gian lận — điều này khiến các mô hình bỏ qua loại hiếm nhưng quan trọng. Việc lấy mẫu lại sẽ cân bằng lại dữ liệu huấn luyện để mô hình thực sự học cách phát hiện ra thiểu số.
Mất cân bằng lớp và lấy mẫu lại là một khối xây dựng kỹ thuật ảnh hưởng đến chất lượng mô hình, chi phí cơ sở hạ tầng, độ trễ và độ tin cậy trên quy mô lớn.
Lặn sâu
Khi các lớp bị sai lệch, một mô hình có thể đạt độ chính xác 99,9% bằng cách luôn dự đoán đa số và không bao giờ phát hiện được một gian lận nào, điều này là vô ích. Lấy mẫu lại sửa lỗi phân phối đào tạo theo hai cách rộng rãi. Lấy mẫu quá mức trùng lặp hoặc tổng hợp các ví dụ thiểu số - SMOTE cổ điển (Kỹ thuật lấy mẫu quá mức cho thiểu số tổng hợp) tạo ra các điểm mới bằng cách nội suy giữa một mẫu thiểu số và các mẫu thiểu số lân cận gần nhất thay vì sao chép chúng. Thay vào đó, việc lấy mẫu dưới sẽ loại bỏ phần lớn các ví dụ (ngẫu nhiên hoặc thông minh thông qua các phương pháp như liên kết Tomek hoặc NearMiss) để làm đều mọi thứ, với cái giá phải trả là loại bỏ dữ liệu. Các giải pháp thay thế tránh chạm vào dữ liệu bao gồm tính trọng số lớp (phạt các lỗi thiểu số nhiều hơn trong hàm mất mát) và điều chỉnh ngưỡng quyết định sau khi đào tạo.
Hiểu biết kỹ thuật
Một quy tắc quan trọng: chỉ lấy mẫu lại tập huấn luyện, không bao giờ lấy mẫu lại tập xác thực hoặc tập kiểm tra và luôn lấy mẫu lại trong các phần xác thực chéo. Lấy mẫu quá mức trước khi tách làm rò rỉ các điểm gần trùng lặp vào tập kiểm tra và làm tăng điểm. Vì ở đây độ chính xác là vô nghĩa nên việc đánh giá phải dựa vào độ chính xác, mức thu hồi, F1, AUC thu hồi chính xác hoặc Hệ số tương quan Matthews — các số liệu luôn trung thực khi hiếm có loại tích cực.
Làm chủ sự mất cân bằng lớp và lấy mẫu lại
Mất cân bằng giai cấp là khi một kết quả vượt xa kết quả khác — chẳng hạn như 99,9% giao dịch hợp pháp so với 0,1% gian lận — điều này khiến các mô hình bỏ qua loại hiếm nhưng quan trọng. Việc lấy mẫu lại sẽ cân bằng lại dữ liệu huấn luyện để mô hình thực sự học cách phát hiện ra thiểu số. Mất cân bằng lớp và lấy mẫu lại là một khối xây dựng kỹ thuật ảnh hưởng đến chất lượng mô hình, chi phí cơ sở hạ tầng, độ trễ và độ tin cậy trên quy mô lớn. Để xây dựng sự hiểu biết sâu sắc, hãy coi Mất cân bằng lớp và Lấy mẫu lại như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Mất cân bằng lớp và Lấy mẫu lại sẽ tối ưu hóa các lựa chọn về kiến trúc, dữ liệu và cơ sở hạ tầng theo độ tin cậy và chi phí. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm. Đồng thời, Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu lớn hơn của hệ thống. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Đào tạo người phát hiện gian lận thẻ tín dụng trong đó gian lận thực sự chiếm dưới 1% giao dịch, sử dụng SMOTE để khuếch đại các trường hợp gian lận hiếm gặp
Xây dựng mô hình y tế cho căn bệnh hiếm gặp chỉ ở vài phần trăm bệnh nhân, áp dụng trọng số lớp nên trường hợp bỏ sót sẽ bị phạt nặng
Phát hiện các mặt hàng bị lỗi trên dây chuyền sản xuất nơi hầu hết tất cả các sản phẩm đều vượt qua quá trình kiểm tra, lấy mẫu dưới các mặt hàng 'tốt' để cân bằng việc đào tạo
Gắn cờ các hành vi xâm nhập mạng hiếm gặp trong nhật ký an ninh mạng có lưu lượng truy cập thông thường chiếm ưu thế, được đánh giá bằng AUC Precision-Recall thay vì độ chính xác
Các mẫu triển khai
Mất cân bằng lớp và lấy mẫu lại trong thực tế
Đào tạo người phát hiện gian lận thẻ tín dụng trong đó gian lận thực sự chiếm dưới 1% giao dịch, sử dụng SMOTE để khuếch đại các trường hợp gian lận hiếm gặp.
Đào tạo trình phát hiện gian lận thẻ tín dụng trong đó gian lận thực sự chiếm dưới 1% giao dịch, sử dụng SMOTE để khuếch đại các trường hợp gian lận hiếm gặp. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định ngay các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Mất cân bằng lớp và lấy mẫu lại trong thực tế
Xây dựng mô hình y tế cho căn bệnh hiếm gặp chỉ ở vài phần trăm bệnh nhân, áp dụng trọng số lớp nên những trường hợp bỏ sót sẽ bị phạt nặng.
Xây dựng mô hình y tế cho một căn bệnh hiếm gặp chỉ xuất hiện ở một vài phần trăm bệnh nhân, áp dụng trọng số nhóm để những trường hợp bị bỏ sót sẽ bị phạt nặng. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định ngay các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí sai sót theo thời gian.
Mất cân bằng lớp và lấy mẫu lại trong thực tế
Phát hiện các mặt hàng bị lỗi trên dây chuyền sản xuất nơi hầu hết tất cả các sản phẩm đều vượt qua quá trình kiểm tra, lấy mẫu dưới các mặt hàng 'tốt' để cân bằng việc đào tạo.
Phát hiện các mặt hàng bị lỗi trên dây chuyền sản xuất trong đó hầu hết tất cả các sản phẩm đều vượt qua khâu kiểm tra, lấy mẫu dưới các mặt hàng 'tốt' để cân bằng quá trình đào tạo. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Mất cân bằng lớp và lấy mẫu lại trong thực tế
Gắn cờ các hành vi xâm nhập mạng hiếm gặp trong nhật ký an ninh mạng có lưu lượng truy cập thông thường chiếm ưu thế, được đánh giá bằng AUC Precision-Recall thay vì độ chính xác.
Gắn cờ các hành vi xâm nhập mạng hiếm gặp trong nhật ký an ninh mạng có lưu lượng truy cập thông thường chiếm ưu thế, được đánh giá bằng AUC Precision-Recall thay vì độ chính xác. Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp phức tạp và theo dõi cả mức tăng năng suất và chi phí do lỗi theo thời gian.
Rủi ro & lan can
Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Lộ trình thực hiện
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
Điểm chuẩn trong điều kiện tải và dữ liệu thực tế. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.