Как выполнить балансировку классов на несбалансированном наборе данных

Question

У меня есть несбалансированный набор данных с большим количеством положительных отзывов (90%), чем отрицательных (10%), которым следует следовать нижеприведенные варианты.

1. Использование class_weight='balanced' в GridsearchCV (Training & CV)) и Logistic algo (Train & Test)
2. Разбейте данные на обучающие, CV и тестовые наборы, а затем проведите передискретизацию по классу меньшинства, взяв класс большинства (в моем случае это класс + ve).Таким образом, оба класса сбалансированы
3. Undersampling - не учитывается из-за потери информации.

Answer 1

К сожалению, для данных на естественном языке хороших вариантов не так много. - Один из быстрых способов действительно заключается в том, чтобы отбирать положительный класс и отбрасывать отрицательный, чтобы обеспечить некоторый баланс. - Более изощренным способом было бы использовать GAN для создания более отрицательных примеров .