Klassfördelningen

Klassfördelningen beskriver hur observationer fördelar sig över olika klasser eller kategorier inom ett dataset eller en population. Den är central inom deskriptiv statistik och används för att sammanfatta data med frekvenser och relativa frekvenser. Klassindelning gäller för nominal- och ordinaldata samt numeriska variabler som delas in i klasser eller intervall.

För att beräkna klassfördelningen räknar man antalet observationer i varje klass och anger även andelen i förhållande till totalen. Resultatet kan presenteras som en tabell eller som grafer (stapeldiagram, cirkeldiagram). Vid numeriska variabler används ofta lika breda klasser eller andra binningar med definierade gränser.

Inom maskininlärning är klassfördelningen ofta viktig eftersom obalanserade klasser kan leda till förväntade fördomar i modellens prediktioner. Hanteringstekniker inkluderar resampling (över- eller underprövning av klasser), syntetisk data med SMOTE och kostnadsanpassning i lärande-algoritmer. Utvärdering följer ofta F1, precision/recall och AUC.

Inom samhällsvetenskapen används begreppet för att beskriva fördelningen av medlemmar över sociala klasser eller socioekonomiska skikt. Man kan mäta klassfördelning med inkomst- eller utbildningsbaserade kvintiler, jordbunden arbetsklass eller yrkesklass. Analys av klassfördelning används för att studera ojämlikhet, mobilitet och politiska eller ekonomiska effekter. Vanliga mått inkluderar Gini-koefficient, Palma-kvot och Theil-index.

Viktiga överväganden är hur klasser definieras och gränserna sätts, eftersom valet påverkar tolkningen. Vid rapportering är det vanligt att ange både absoluta tal och relativa andelar samt att kommentera eventuella sammanfogningar av små klasser.