01 클래스 불균등 처리 -01 언더샘플링 -02 오버샘플링 -03 가중치 조절 -04 임계값 이동01 클래스 불균등 처리 -01 언더샘플링 1) RandomUnderSampler - 다수 클래스 데이터를 랜덤하게 선택하여 제거 - 다수 : 소수 비율이 정확히 1 : 1이 됨 - 중요한 데이터의 손실 발생 위험이 존재 (가장 위험한 방법) 2) CondensedNearestNeighbour - 뭉쳐져있는 다수 클래스를 중복으로 가정하고 제거 -> 결정결계와 먼 다수클래스를 제거 - 다수 클래스 데이터에서 랜덤하게 데이터를 선택하며, k개의 가장 가까운 이웃을 확인 후, 그 이웃이 다수클래스 (같은편)이면 제거 3) EditedNearestNeighbours - 결정경계 근처에 있는 다수클래스 일부를 ..