レベル: 上級
Michael Crotty、 @michael_jmp 、JMP シニア統計ライター、SAS
Colleen McKendry、 @cozmck 、JMPテクニカルライター、SAS
Marie Gaudard、 @marie_gaudard 、統計コンサルタント
予測モデルの目標が異常検出である場合、基となるデータはしばしば不均衡なクラス分布を示します。つまり、異常クラスは非異常クラスよりも大幅に小さくなります。モデリングの目標は通常、少数クラスのメンバーを特定することです。しかし、予測モデリング手法を単純に適用すると、偏りのある不正確なモデルになる可能性があります。これらの問題に対処するために、多くの手法が提案されています。本稿では、JMP Proユーザーが不均衡なデータに対する予測モデルを開発する際に役立つ情報を提供します。過小評価されたクラスへの分類におけるJMP Proのアプローチについて説明します。まず、不均衡なクラス問題の一般的な側面、すなわちバイアス、パフォーマンス指標、そしてモデリングの問題への対処法について説明します。次に、本研究で用いるサンプリング手法（重み付け、アンダーサンプリング、オーバーサンプリング、そして合成少数派オーバーサンプリング法（SMOTE））について説明します。クラスの割合が異なる複数の実データセットについて、これらのサンプリング手法とJMP Pro分類プラットフォームで利用可能な予測モデルを組み合わせて得られた適合度を比較します。限られた範囲のシミュレーションデータセットを用いて、サンプリング手法と予測モデルについて同様の検討を行う。シミュレーションデータセットにおいて、標準モデルがクラス不均衡の影響を受け始める過少表現の程度を特定する。また、サンプリング手法と予測モデルの相対的な性能に関する結論を示す。
このプレゼンテーションで解説した分析を実行するアドイン「Imbalance Classification Add-In」がリリースされました。このアドインは、Scripts_and_Results.zip に含まれるスクリプトの機能を拡張します。R に依存せず、名義尺度および順序尺度予測変数を含むデータセットに対して SMOTE、Tomek、および SMOTE + Tomek サンプリングを実行できるほか、ダイアログの「ヘルプ」ボタンから詳細なドキュメントを参照できます。
