我有一个航班延误的数据集，尝试在采样前将数据集分割为训练集和测试集。准时到达的案例约占总数据的80%，延误的案例约占20%。
在机器学习中，通常训练集和测试集的比例是8:2。但是数据过于不平衡。因此，在极端情况下，大多数训练数据是准时到达的案例，而大多数测试数据是延误的案例，准确率会很差。
所以我的问题是，如何正确地将不平衡数据集分割为训练集和测试集？
回答：
仅仅通过调整训练集和测试集的比例，可能无法得到正确的预测和结果。
如果你处理的是不平衡数据集，你应该尝试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。
此外，对于不平衡数据集的性能测量，应使用不同的指标，如F1分数等。
请参考下面的链接，会给你更多的清晰度。
