[❓질문] 데이터 불균형 처리할때

[환상적이구만(180.224)]

저는 데이터 불균형 문제 처리하기 위해 DATA AUGMENTATION을 해서 1:1 비율을 training set 에 맞춰주었습니다. 그런데 불균형을 다루는 다른 방법으로 클래스 가중치도 있다고 알고 있는데 이게 이미 데이터 augmentation을 통해 비율 1:1 맞춰준 경우에는 class 가중치 도입할 필요 없다는 제 생각이 맞나요?

[땔감(gcp24685)]

1:1 비율을 훈련셋에 맞췄다는게 뭔소리지

[환상적이구만(180.224)]

아 제가 제일 중요한 얘기를 뺴먹었네요.. classification task이며 예를 들어 training set의 class 0 데이터 개수가 100개, class 1 데이터 개수가 200개였다면 class 0 에 대해서만 데이터 증강을 해서 class0과 class 1 모두 200개가 되도록 맞춰주었다는 얘기입니다

[익명(218.237)]

모름; 데이터 봐야 앎 1. data augmentation 으로 class 0 / class 1 을 대표하는 데이터들이 이상적으로 뽑힌거면 가중치 도입할 필요없는게 맞음 2. data aug랑 class weight 는 다른 솔루션임. 둘다 unbalance를 다루는건 맞지만 A를 썼으니까 B를 안써도 된다, B를 쓸꺼니까 A를 안써도 된다고 결정내릴 문제는 아님

[환상적이구만(180.224)]

감사합니다. 그런데 data augmentation으로 class 비율 1:1 로 맞춰줄 경우에 class 가중치를 도입하더라도 의미가 없게 되는데(데이터 수의 비율에 따라 가중치를 도입한다면) 이에 대한 생각은 어떠신가요?

[익명(218.237)]

데이터 봐야 안다고;; 단순히 200/200 이라고 데이터 분산이나 이런거에 따라서 단순 SVM 만 써도 어디에 선이 그일지 모르고 니가 원하는 모델이 뭔지 모르는데 그건 니가 대가리 박아서 해봐야 아는 문제임

[환상적이구만(180.224)]

감사합니다. 제가 가중치를 도입할때 클래스 비율에 따라서만 역으로 값을 설정한다고 잘못 생각하고 있어서 생긴 문제네요. 일단 데이터 증강을 한 뒤에 학습 결과에 따라 클래스 가중치를 직접 수동으로 조절하는 방법도 생각해봐야겠습니다.