Esto, hay datos de gran tamaño.
La respuesta (Y) son datos categóricos, buenos o malos. El número total de filas es de más de 10 millones.
Pero, la mayoría de ellos son datos "buenos"; por otro lado, el número de datos "malos" es solo veinte, o algo así. Debido a que el número de datos 'malos' es demasiado pequeño, no logramos analizar estos datos, especialmente en el caso de Bootstrap Forest.
Por favor, hágame saber una buena solución de cómo resolvemos un caso tan desequilibrado como el de bootstrap forest u otras cosas.
Gracias
Michael Crotty ha realizado una presentación en Discovery Europe sobre diferentes estrategias para manejar estos problemas. Puede encontrar algo útil en él:
https://community.jmp.com/t5/Discovery-Summit-Europe-2019/Anomaly-Detection-and-JMP-R-Pro-2019-EU-45MP-115/ta-p/110065
Martín
