Klassenbalance

Klassenbalance bezeichnet das Verhältnis der Klassen in einem Datensatz, insbesondere das Verhältnis von Minderheits- zu Mehrheitsklassen. In vielen Anwendungen ist eine Klasse deutlich häufiger vertreten als andere, was zu einem unausgewogenen Verteilungsbild führt.

Auswirkungen des Klassenimbalance werden oft von Standardmodellbewertungen verschleiert. Modelle können die Majoritätsklasse bevorzugen und echte Positive der Minderheitsklasse übersehen, was zu niedrigem Recall, niedrigem F1-Score und irreführenden Genauigkeitswerten führt. Die Wahl der Bewertungskennzahlen ist daher entscheidend; gängige Metriken sind Precision, Recall, F1, ROC-AUC und PR-AUC sowie balancierte Genauigkeit oder G-Mean.

Ursachen des Ungleichgewichts reichen von natürlichen Verteilungen in der Realität über seltene Ereignisse bis hin zu Sampling- oder Erfassungsfehlern. In der Praxis tritt Klassenungleichgewicht häufig in Bereichen wie Betrugserkennung, medizinischer Diagnostik, Anomalieerkennung und Ereignisprognosen auf.

Messen lässt sich Klassenbalance durch das Verhältnis der Klassen (Minority/Majority), Imbalance-Index oder Metriken wie G-Mean und balancierte Genauigkeit.

Um mit ungleich verteilten Klassen umzugehen, kommen verschiedene Ansätze zum Einsatz. Datenebene: Oversampling der Minderheitsklasse, Undersampling der Majoritätsklasse, SMOTE, ADASYN oder Borderline-SMOTE; Datenbereinigung durch Entfernen oder Transformieren redundanter Beispiele. Algorithmische Ansätze: kostenbewusstes Lernen, Klassen-Gewichte in Verlustfunktionen, spezielle Modellauswahl. Evaluationspraktiken: stratified Kreuzvalidierung, auch bei unbalanced Datensätzen. Breite Anwendung erhält die Klassenbalance durch eine Kombination aus Datenaufbereitung, Modellwahl und geeigneten Bewertungskennzahlen; dabei sollten mögliche Risiken wie Overfitting durch Oversampling oder künstliche Daten durch SMOTE bedacht werden.