克利夫兰心脏病数据集 – 无法描述类别

我正在使用UCI的克利夫兰心脏病数据集进行分类，但我无法理解target属性。

数据集描述中说值从0到4，但属性描述中说：

0: < 50%冠状动脉疾病

1: > 50%冠状动脉疾病

我想知道如何解释这一点，这个数据集是用来进行多类还是二元分类问题？我是否需要将1-4的值归为一类（疾病存在）？

回答：

如果你正在处理不平衡的数据集，你应该使用重新采样的技术来获得更好的结果。在不平衡数据集的情况下，分类器总是“预测”最常见的类别，而不进行任何特征分析。

你可以尝试使用SMOTE，它会根据已存在的少数类别元素合成新的元素。它的工作原理是随机选择少数类别中的一个点，并计算这个点的k最近邻居。

我还结合SMOTE使用了交叉验证K折方法，交叉验证确保模型从数据中获取正确的模式。

在衡量模型性能时，准确率指标可能会误导，尽管存在更多的假阳性，它仍显示出高准确率。应使用如F1分数和MCC这样的指标。

参考资料：

学技术