サンプリング

この章では、データを集めたり分割したりするときに「どの行を選ぶか」を決めるサンプリング手法を 2 つ扱います。層化抽出 は、学年や正解ラベルなどの層ごとに比率を固定してから無作為に選ぶ方法で、train_test_split(stratify=y) によってテストデータの少数クラスが偶然 0 件になる事故を防ぎます。SMOTE は、95:5 のような不均衡データで少数派の点どうしを結ぶ線分上に合成点を作り、1:1 まで増やしてから学習させるオーバーサンプリングです。どちらも「クラスの比率」が recall や F1 にどう影響するかを、classification_report の数字で確かめながら読み進めてください。